JP2009187348A - 不審物自動検出装置 - Google Patents
不審物自動検出装置 Download PDFInfo
- Publication number
- JP2009187348A JP2009187348A JP2008027463A JP2008027463A JP2009187348A JP 2009187348 A JP2009187348 A JP 2009187348A JP 2008027463 A JP2008027463 A JP 2008027463A JP 2008027463 A JP2008027463 A JP 2008027463A JP 2009187348 A JP2009187348 A JP 2009187348A
- Authority
- JP
- Japan
- Prior art keywords
- suspicious
- data
- threshold
- person
- suspicious object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Burglar Alarm Systems (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
【課題】滞留時間が変わっても安定して不審物を検出することのできる不審物自動検出装置を提供する。
【解決手段】画像を撮影する撮影手段11と、前記撮影手段によって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出手段12と、前記物体の動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出手段13と、前記滞留時間が閾値より長い場合、前記物体を不審なものと判定する不審物判定手段14と、前記物体の滞留時間を所定の物体の個数分保持する学習データ15と、前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記閾値を決定するデータ学習手段16とを有することにより、不審物が連続して撮影されても、安定して不審者物を検出することが出来る。
【選択図】図1
【解決手段】画像を撮影する撮影手段11と、前記撮影手段によって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出手段12と、前記物体の動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出手段13と、前記滞留時間が閾値より長い場合、前記物体を不審なものと判定する不審物判定手段14と、前記物体の滞留時間を所定の物体の個数分保持する学習データ15と、前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記閾値を決定するデータ学習手段16とを有することにより、不審物が連続して撮影されても、安定して不審者物を検出することが出来る。
【選択図】図1
Description
本発明は監視カメラによって撮影した物体の中から不審なものを検出する不審物検出装置に関するものである。
従来の不審物自動検出装置の動作を図12に示す。従来の不審物自動検出装置では、図12に示すように、不審者を検出してその不審者に楕円を当てはめてわかりやすく表示している。図12において、人物の領域はA(i)で示しているようにあらかじめ求められている。
この時、楕円の半径(Dx、Dy)は、A(i)に含まれる画素のx座標とy座標から求めた人物領域のx軸方向の標準偏差SDxと、y軸方向の標準偏差SDyを用いて以下のように決定する。
まず、x軸方向の標準偏差SDxと、y軸方向の標準偏差SDyとは次の式(1)、(2)で表すことができる。
SDx={1/S(i)・Σ(x−Ix)2}1/2 …(1)
SDy={1/S(i)・Σ(y−Iy)2}1/2 …(2)
但し、S(i)はA(i)の画素数を、IxとIyとはこの変化領域における重心の座標を表している。これらのIxとIyとは次の式(3)、(4)と表される。
SDy={1/S(i)・Σ(y−Iy)2}1/2 …(2)
但し、S(i)はA(i)の画素数を、IxとIyとはこの変化領域における重心の座標を表している。これらのIxとIyとは次の式(3)、(4)と表される。
Ix=1/S(i)・Σx …(3)
尚、上記元xは集合A(i)の画素のx座標である。
尚、上記元xは集合A(i)の画素のx座標である。
Iy=1/S(i)・Σy …(4)
尚、上記元yは集合A(i)の画素のy座標である。
次にこれらのx軸方向の標準偏差SDxと、y軸方向の標準偏差SDyとを以下の式(5)、(6)のように定数倍して、楕円の半径(Dx,Dy)を求める。
尚、上記元yは集合A(i)の画素のy座標である。
次にこれらのx軸方向の標準偏差SDxと、y軸方向の標準偏差SDyとを以下の式(5)、(6)のように定数倍して、楕円の半径(Dx,Dy)を求める。
Dx=α・SDx …(5)
Dy=β・SDy …(6)
但し、上記α、βは正の定数である。
Dy=β・SDy …(6)
但し、上記α、βは正の定数である。
このようにして、標準偏差などの統計量を用いて人物領域に合わせて楕円を当てはめることが出来る(図12、楕円1)。このように統計量を用いると、監視カメラで人物を撮影した時の時間によって不審者を判別することができる。すなわち、所定の人数を追跡した結果から得られる統計量を計算し、この統計量から大きく外れたものを不審者とする方法である。
特開平8−221548号公報 (第3図)
しかしながら、従来の不審物自動検出装置においては、図13のようにノイズの影響により人物領域が本来の人物領域以外の範囲まで拡張されると、標準偏差はこの部分も含めて計算するので、楕円の当てはめに失敗してしまう(図13、楕円2)。
滞留時間を用いて不審者を検出する場合には、不審者が連続して検出されると、徐々に統計量が変化し、本来不審者として検出されるべきものが不審者として検出されなくなってしまう。
本発明は、従来の問題を解決するためになされたもので、不審者が連続して登場しても確実に不審者と判定することのできる不審物自動検出装置を提供することを目的とする。
この課題を解決するために、本発明に係る不審物自動検出装置は、画像を取得する画像取得手段と、前記画像取得手段によって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出手段と、前記動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出手段と、前記滞留時間が第1の閾値より長い場合、または前記滞留時間が第2の閾値より短い場合、前記物体を不審なものと判定する不審物判定手段と、前記物体の滞留時間を所定の個数保持する学習データと、前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記第1の閾値または前記第2の閾値を決定するデータ学習手段とを有している。
この構成により、不審物が連続して撮影されても、安定して不審者物を検出することが出来る。
また、本発明に係る不審物自動検出装置は、前記データ学習手段は、前記第1の閾値または前記第2の閾値を決定する際、エラー処理関数erfの逆関数inverfと前記所定の物体の個数分のうち異常なものと判定された異常個体数とを用いて、
第1の閾値=inverf(1−異常個体数/所定の個数)×sqrt(2)×前記標準偏差
+前記平均値、
によって求める特徴を有している。
第1の閾値=inverf(1−異常個体数/所定の個数)×sqrt(2)×前記標準偏差
+前記平均値、
によって求める特徴を有している。
この構成により、不審者を安定して検出する為の第1の閾値を、不審物の滞留時間に応じて決定することが出来る。
さらに、本発明に係る不審物自動検出装置は、前記データ学習手段は、前記第2の閾値を決定する際、エラー処理関数erfの逆関数inverfと前記所定の物体の個数分のうち異常なものと判定された異常個体数とを用いて、
第2の閾値=−inverf(1−異常個体数/所定の個数)×sqrt(2)×前記標準偏 差+前記平均値、
によって求めることを特徴としている。
第2の閾値=−inverf(1−異常個体数/所定の個数)×sqrt(2)×前記標準偏 差+前記平均値、
によって求めることを特徴としている。
この構成により、不審者を安定して検出する為の第2の閾値を、不審物の滞留時間に応じて決定することが出来る。
さらに、本発明に係る不審物自動検出装置は、画像を取得する第1の画像取得手段と、前記画像を複数の小領域に分ける画像分割手段と、前記小領域毎に不審物を検出する複数の小領域不審物自動検出手段と、撮影方向を変更可能な第2の画像取得手段と、前記小領域不審物自動検出手段によって検出された不審物情報にもとづき前記第2の画像取得手段の撮影方向を決定するカメラ制御手段とを有している。
この構成により、画像を小領域に分割し、小領域毎に不審物を検出することが出来る。
さらに、本発明に係る不審物自動検出方法は、画像を撮影する撮影ステップと、前記撮影ステップによって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出ス
テップと、前記物体の動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出ステップと、前記滞留時間が第1の閾値より長い場合、または前記滞留時間が第2の閾値より短い場合、前記物体を不審なものと判定する不審物判定ステップと、前記物体の滞留時間を所定の物体の個数分保持する学習データと、前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記第1の閾値または前記第2の閾値を決定するデータ学習ステップとを有することを特徴とする不審物自動検出方法とを有している。
テップと、前記物体の動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出ステップと、前記滞留時間が第1の閾値より長い場合、または前記滞留時間が第2の閾値より短い場合、前記物体を不審なものと判定する不審物判定ステップと、前記物体の滞留時間を所定の物体の個数分保持する学習データと、前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記第1の閾値または前記第2の閾値を決定するデータ学習ステップとを有することを特徴とする不審物自動検出方法とを有している。
この構成により、不審物が連続して撮影されても、安定して不審物を検出することが出来る。
本発明は、不審者が連続して撮影された場合でも安定して不審者を検出できるという効果を有する不審物自動検出装置を提供することができるものである。
以下、本発明の実施の形態である監視カメラを用いた不審物自動検出装置について、図面を用いて説明する。
(本願発明の第1の実施の形態)
本発明の第1の実施の形態の不審物自動検出装置を図1に示す。
(本願発明の第1の実施の形態)
本発明の第1の実施の形態の不審物自動検出装置を図1に示す。
図1において、本発明の実施の形態の不審物自動検出装置1は、人物を連続的に撮影する固定式カメラ2と、固定式カメラ2からネットワークなどを通して不審物自動検出装置1に送られてきた画像を連続的に取得する画像取得手段11と、画像取得手段11によって連続的に取得された画像から人物を抽出し人物の動きを抽出しする人物特徴データ抽出手段12と、人物の動きからある人物が画像取得手段によって取得された画像に登場してからいなくなるまでの滞留時間を算出する滞留時間算出手段13と、滞留時間が所定の閾値を超えたときその人物を不審者として判定する不審者判定手段14と、不審者と判定された場合不審者判定手段14で得られた不審者の画像上の位置から、PTZ(PanTiltZoom)対応カメラ3によって不審者を拡大撮影する場合のPTZ対応カメラ3のカメラの向きとズーム率を計算しPTZ対応カメラ3を制御するカメラ制御手段18と、滞留時間算出手段13で算出した人物毎の滞留時間とその人物が不審者であるか否かを保存する学習データ15と、学習データから閾値を再計算するデータ学習手段16と、データ学習手段16によって求められた閾値を保持する閾値保持手段17とによって構成されている。
以上のように構成された不審物自動検出装置について、図2を用いてその動作を説明する。図2において、人物特徴データ抽出(S21)から人物登録(S24)、人物処理終了(S29)のステップは、人物特徴抽出手段12によって実行される。また、滞留時間算出(S25)およびデータ蓄積要否(S26)は、滞留時間算出手段13によって実行される。さらに、不審者判定(S27)は不審者判定手段14によって実行され、カメラ制御(S28)はカメラ制御手段18によって実行され、データ登録(S30)はデータ学習手段16によって実行される。
人物特徴データ抽出(S21)では、画像取得手段11によって取得された画像を1枚ずつ入力し、それぞれの画像から人物領域を抽出し、人数分の人物領域を人物領域データ121に記録する。
人物データ19は、人物ID、全身矩形位置、撮像時間、ステータスなどによって構成されるデータである。不審物自動検出装置が動作し始めたときは、人物データは1件もな
く、動作するに従って新たに生成される。
く、動作するに従って新たに生成される。
比較(S22)では、人物領域データ121に記録された人数分の領域を一つづつ取り出して処理をしていく。そして、人物領域データ121に保持された人物領域のデータが人物データにあるか否かを調べる。
そして、存在しない時(S23、新規出現)は、画像取得手段11で取得した画像の一つ前の画像までは存在していなかった人物が今回の画像では新たに出現したことになるので、人物登録(S24)を行う。この時、新たに人物データ19を作成する。人物データとしては、新たな人物IDや全身矩形位置、撮影時間としては現在の時間、人物ステータスとしては「新規」とする。
一方、比較(S23)で既存人物である場合(S23,既存)は、以前登録した人物データの撮影時間と現在の時刻を元にして滞留時間を算出して滞留時間を記録すると共に、人物データのステータスを「既存」にする(S25)。
システムが起動した当初、人物データの蓄積が所定の数(例えば30)に満たない時は、データ蓄積の必要ありと判断する(S26、要)。この場合は、不審者判定(S27)をすることなく、人物処理終了(S29)に移る。
一方、データ蓄積が終わっている場合は、滞留時間が閾値を超えているか否かを判定することにより不審者であるか否かを判定する(S27)。この時、人物データ19に不審者であることをステータスとして記録する。不審者と判定された場合はPTZ対応カメラを制御する(S28)。
人物特徴データ抽出手段で検出した人物のうち、処理が終わっていないものがあるとき(S29、NO)は、比較(S22)から処理を繰り返す。
人物処理終了(S29)で人物領域データ121の処理がすべて終了しているとき(S29、YES)場合は、人物データ19のうち、人物領域データ121との対応づけがされていないものがあるかを調べる。判定処理が終わっていないものは、前回までの画像にはあったが、今回の画像にはなかったものであるので、人物データのステータスに「消えた」を登録して(S30)、処理を終了する。
次に図3を用いて、データ学習手段16の動作について説明する。データ学習手段16は、人物データ19を参照して処理を実行する。人物データの蓄積が所定の数終わっていない場合は、学習データに1件分のデータを登録して処理を終了する(S31、未)。所定の数のデータの蓄積がおわった場合(S31、済)は、データの蓄積が終わっているので、標準偏差などの処理を行う。
実際には、今登録した人物データから過去に遡って所定の数分の学習データを用いて、標準偏差を求め、所定の数から不審者のデータを除いた学習データを用いて、n値、平均値±nσを計算する。
次に、不審者の判定(図2のステップ27(S27))を図4を用いてさらに詳しく説明する。滞留時間算出手段13によって算出された滞留時間と閾値を比較する(S41)。閾値を超えていた場合は不審者と判定し(S42)、人物データ19のステータスに不審者であることを登録する。そして、PTZ対応カメラを制御する(S43)。閾値を超えていない場合は正常判定する(S44)。
図5乃至図9を用いて、閾値の計算方法および本発明の閾値の計算方法の効果を述べる。図5は、学習データの滞留時間の分布を示している。この時、平均値±3σの範囲には全学習データの99.7%が入ることが知られている。そこで、平均値±nσなるnを決定し、平均値±nσに入ったものを正常データ、入らなかったものを異常データ、すなわち不審者とすることができる。
ところが、図6のように、不審者が続いて入力されると全体の統計量が変化していき、不審者であるにもかかわらず正常データと認識されてしまう。
そこで、図7に示すようにしてn値を計算し、このn値から第1の閾値および第2の閾値を計算する。そして、図8に示すように、滞留時間が第1の閾値より短く第2の閾値より長い場合を正常データとすることにより、不審者の数に応じて、正常データの範囲を狭くすることが出来る。
この結果、図9に示すように、不審者が連続した場合でも正しく検出できるようになる。
以上述べたように、本願発明の不審物自動検出装置では、カメラによって撮影した人物がカメラよって撮影した画像に登場してからの滞留時間によって、不審者であるか否かを判別することができ、不審者である場合はPTZ対応カメラによって不審者を拡大撮影することが出来る。
(本願発明の第2の実施の形態)
次に本発明の第2の実施の形態について、図10を用いて説明する。
(本願発明の第2の実施の形態)
次に本発明の第2の実施の形態について、図10を用いて説明する。
図10は本発明の第2の実施の形態のブロック構成図である。本発明の第2の実施の形態は、固定式カメラ2とPTZカメラ3は第1の実施の形態と同じである。
第2の実施の形態では、固定式カメラ2から入力された画像は画像取得手段101に保持され、画像分割手段102によって、例えば3×3の小領域に分割される。
それぞれの小領域の画像は第1乃至第9の小領域不審者児童検出手段103乃至111に送られる。
第1乃至第9の小領域不審者自動検出手段の内部は、画像取得手段11、人物特徴データ抽出手段12、滞留時間算出手段13、不審者判定手段14、学習データ15、データ学習手段16、閾値保持手段17を有しているが、これらについては実施の形態1と同じである。
第1の小領域不審物自動検出装置103乃至111によって不審者が検出されると、これらの情報はPTZカメラ制御手段112に送られ、これによってPTZ対応カメラが制御される。
この時、第1の小領域不審物自動検出装置103乃至111によって、同時に不審者が検出される場合があるが、その場合は検出された不審者の大きさや、滞留時間の長さによってPTZ対応カメラ3によって撮影する不審者を決定しても良いし、不審者を順にPTZ対応カメラ3によって撮影しても良い。
図11は、第2の実施の形態の動作を示す説明図である。図11に示すように、固定カメラで撮影した画像は、3×3の小領域に分割され、それぞれの小領域毎に不審者の検出が行われる。
この場合、小領域の位置によって、人物が滞留しやすい場所や、直ぐに通り過ぎてしまう場所を撮影していることになるが、本発明の実施の形態2を用いることにより、小領域毎の滞留時間に合わせて不審者を検出することができる。
以上のように本発明の第2の実施の形態の不審者検出装置によれば、小領域不審者検出手段を複数設けることにより、画面を小領域に分割して、小領域毎に不審者を検出することが可能である。
なお、図11では画面の分割は同じ大きさになっているが、場所ごとに大きさを変えることも可能である。また、小領域の数は9個に限らず任意の数にすることも可能である。
以上のように、本発明にかかる不審物自動検出装置は、滞留時間の変動に合わせると共に、不審者が連続して撮影された場合でも不審者を安定して検出できる不審物自動検出装置効果
を有する。さらに、画面を分割して不審者を検出することにより、場所ごとに滞留時間の異なる場合でも安定して不審者を検出できるという効果を有し、セキュリティ分野に適応できる。
を有する。さらに、画面を分割して不審者を検出することにより、場所ごとに滞留時間の異なる場合でも安定して不審者を検出できるという効果を有し、セキュリティ分野に適応できる。
1 不審物自動検出装置
2 固定式カメラ
3 PTZ対応カメラ
11 画像取得手段
12 人物特徴データ抽出手段
13 滞留時間算出手段
14 不審物判定手段
15 学習データ
16 データ学習手段
17 閾値保持手段
18 カメラ制御手段
2 固定式カメラ
3 PTZ対応カメラ
11 画像取得手段
12 人物特徴データ抽出手段
13 滞留時間算出手段
14 不審物判定手段
15 学習データ
16 データ学習手段
17 閾値保持手段
18 カメラ制御手段
Claims (5)
- 画像を取得する画像取得手段と、
前記画像取得手段によって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出手段と、
前記動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出手段と、前記滞留時間が第1の閾値より長い場合、または前記滞留時間が第2の閾値より短い場合、前記物体を不審なものと判定する不審物判定手段と、
前記物体の滞留時間を所定の個数保持する学習データと、
前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記第1の閾値または前記第2の閾値を決定するデータ学習手段とを有することを特徴とする不審物自動検出装置。 - 前記データ学習手段は、前記第1の閾値を決定する際、エラー処理関数erfの逆関数inverfと前記所定の物体の個数分のうち異常なものと判定された異常個体数とを用いて、
第1の閾値=inverf(1−異常個体数/所定の個数)×sqrt(2)×前記標準偏差
+前記平均値、
によって求めることを特徴とする請求項1に記載の不審物自動検出装置。 - 前記データ学習手段は、前記第2の閾値を決定する際、エラー処理関数erfの逆関数inverfと前記所定の物体の個数分のうち異常なものと判定された異常個体数とを用いて、
第2の閾値=−inverf(1−異常個体数/所定の個数)×sqrt(2)×前記標準偏 差+前記平均値、
によって求めることを特徴とする請求項1に記載の不審物自動検出装置。 - 画像を取得する第1の画像取得手段と、
前記画像を複数の小領域に分ける画像分割手段と、
前記小領域毎に不審物を検出する複数の小領域不審物自動検出手段と、
撮影方向を変更可能な第2の画像取得手段と、
前記小領域不審物自動検出手段によって検出された不審物情報にもとづき前記第2の画像取得手段の撮影方向を決定するカメラ制御手段を有する不審物自動検出装置。 - 画像を撮影する撮影ステップと、
前記撮影ステップによって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出ステップと、
前記物体の動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出ステップと、
前記滞留時間が第1の閾値より長い場合、または前記滞留時間が第2の閾値より短い場合、前記物体を不審なものと判定する不審物判定ステップと、
前記物体の滞留時間を所定の物体の個数分保持する学習データと、
前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記第1の閾値または前記第2の閾値を決定するデータ学習ステップとを有することを特徴とする不審物自動検出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008027463A JP2009187348A (ja) | 2008-02-07 | 2008-02-07 | 不審物自動検出装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008027463A JP2009187348A (ja) | 2008-02-07 | 2008-02-07 | 不審物自動検出装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009187348A true JP2009187348A (ja) | 2009-08-20 |
Family
ID=41070512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008027463A Pending JP2009187348A (ja) | 2008-02-07 | 2008-02-07 | 不審物自動検出装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2009187348A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011227679A (ja) * | 2010-04-19 | 2011-11-10 | Secom Co Ltd | 通報装置 |
JP2015138295A (ja) * | 2014-01-20 | 2015-07-30 | 株式会社竹中工務店 | 不審者検出装置およびプログラム |
JP2018116480A (ja) * | 2017-01-18 | 2018-07-26 | 東芝ライテック株式会社 | 管理装置、管理システムおよび管理方法 |
JP2019008831A (ja) * | 2018-09-19 | 2019-01-17 | 株式会社竹中工務店 | 不審者検出装置およびプログラム |
CN115955550A (zh) * | 2023-03-15 | 2023-04-11 | 浙江宇视科技有限公司 | 一种gpu集群的图像分析方法与系统 |
-
2008
- 2008-02-07 JP JP2008027463A patent/JP2009187348A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011227679A (ja) * | 2010-04-19 | 2011-11-10 | Secom Co Ltd | 通報装置 |
JP2015138295A (ja) * | 2014-01-20 | 2015-07-30 | 株式会社竹中工務店 | 不審者検出装置およびプログラム |
JP2018116480A (ja) * | 2017-01-18 | 2018-07-26 | 東芝ライテック株式会社 | 管理装置、管理システムおよび管理方法 |
JP2019008831A (ja) * | 2018-09-19 | 2019-01-17 | 株式会社竹中工務店 | 不審者検出装置およびプログラム |
CN115955550A (zh) * | 2023-03-15 | 2023-04-11 | 浙江宇视科技有限公司 | 一种gpu集群的图像分析方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650671B (zh) | 人脸识别方法、装置及系统 | |
CN107438173B (zh) | 视频处理装置、视频处理方法和存储介质 | |
EP3588456B1 (en) | Image processing apparatus, image processing method, and program | |
US10956715B2 (en) | Decreasing lighting-induced false facial recognition | |
JP6532217B2 (ja) | 画像処理装置、画像処理方法、及び画像処理システム | |
JP6077655B2 (ja) | 撮影システム | |
CN107431761B (zh) | 图像处理设备、图像处理方法以及图像处理系统 | |
JP7484985B2 (ja) | 認証システム、認証方法、及び、プログラム | |
CN108875484B (zh) | 用于移动终端的人脸解锁方法、装置和系统及存储介质 | |
JP2018036784A (ja) | システム、情報処理装置、情報処理方法及びプログラム | |
JP2017212495A (ja) | 撮影制御装置、プログラム及び方法 | |
JP2009187348A (ja) | 不審物自動検出装置 | |
JP5771039B2 (ja) | 放置人物検出装置 | |
EP2993891B1 (en) | Electronic device and image capture method thereof | |
JP2007300185A (ja) | 画像監視装置 | |
JP6799325B2 (ja) | 画像補正装置、画像補正方法、注目点認識装置、注目点認識方法及び異常検知システム | |
JP7448043B2 (ja) | 撮影制御システム | |
JP5743646B2 (ja) | 異常検知装置 | |
JP2019180017A5 (ja) | ||
JP6203007B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2015080220A (ja) | 映像加工処理方法及びその装置 | |
WO2018087987A1 (ja) | 撮像装置、撮像方法、およびプログラム | |
KR101612735B1 (ko) | 얼굴 분석 기반의 선택적 영역 모자이크 방법 | |
JP2024004972A (ja) | 監視システム、監視方法、及び、監視システム用の画像認識装置の学習方法 | |
JP2010171705A (ja) | 監視映像検索装置及び監視映像検索プログラム |