JP2012033152A - ビデオ監視時に移動物体を分類するシステムおよび方法 - Google Patents

Abstract

【課題】ビデオ監視時にあらゆる移動物体を既定のクラスに分類できるシステムおよび方法を提供する。
【解決手段】ビデオによる監視時に移動物体を分類するシステムは、移動物体のシルエット画像を撮影するステップと、撮影された画像の大きさを変更するステップと、大きさが変更された画像の中の移動物体の幅に対する高さの平均比と重心を計算するステップと、大きさが変更された画像を分割するステップと、物体の平均高さと平均幅とを比較するステップと、さらに、重心の分散と所定の閾値とを比較して、撮影されたシルエット内の物体を既定のクラスに分類するステップとを含む。
【選択図】図３

Description

本発明は、ビデオ監視のシステムおよび方法に関する。特に、本発明は、ビデオ監視時に移動物体を分類するシステムおよび方法に関する。

２４時間機密領域で手動監視することは、きわめて負担がかかる。安全認識が問題となる場所の多くにビデオカメラが取り付けられていても、ビデオによって生成されるデータ量は膨大であるため、きわめて大量のデータ格納要件が要求されうる。

効果的なビデオ監視の必要性が増している。「監視」という用語は、ＣＣＴＶカメラなどの電子機器による遠隔監視に用いることができる。監視は、民間警備会社や政府安全保障機関にとって、社会統制を維持し、脅威を認識および監視して、侵入および犯罪活動を防止／調査するのに有用である。ビデオ監視は、空港、原子力発電所、研究所、銀行など機密領域の至る所で文字通り用いられる。交通信号、街頭、扉口などにも用いられる。このような監視責任機関は通常、複数のセンサー（たとえば、閉回路テレビ画像（ＣＣＴＶ）、赤外線カメラ、レーダーなど）を配備して、安全認識および広域認識を確保している。

現在の技術水準では、ビデオ監視時に移動物体の人、動物（家畜）、車両などを既定のクラスに分類することは、様々な処理によって実現される。以下に、監視時に移動物体を分類することに取り組んだ発明のいくつかを示す。

Ｈａｎｎａらの米国特許第７６３９８４０号明細書は、ビデオ監視の方法および装置に関して教示する。視野を表す一連の情景画像が受信される。１または複数の移動物体が一連の情景画像中で識別されると、１または複数の抽出された時空間的特徴に従い、動き検出マスクを用いることによって分類される。この分類では、移動物体および／またはその挙動が、警報の原因となる１または複数の既知の事象または挙動に一致するかどうかを判断するのに用いることができる。

この従来技術では、移動物体を表す時空間的特徴と特徴ベクトルが、移動物体を分類するのに用いられる。移動物体を含む全フレームが、格納され、解析され、移動物体の分類に関して判定されることになる。このシステムは、時空間的特徴の計算と、移動物体および背景の特徴ベクトルの計算とに、大容量の記憶装置と多くの計算処理を必要とする。

「Ｒｏｂｕｓｔ Ｒｅａｌ−Ｔｉｍｅ Ｐｅｒｉｏｄｉｃ Ｍｏｔｉｏｎ Ｄｅｔｅｃｔｉｏｎ，Ａｎａｌｙｓｉｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ（Ｒｏｓｓ ＣｕｔｌｅｒおよびＬａｒｒｙ Ｓ．Ｄａｖｉｓ著、出典：ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ、アーカイブ第２２巻、第８刷（２０００年８月）、目次ページ７８１〜７９６、２０００年出版）」は、移動物体を分類する方法に関して教示している。この方法は、人、犬およびその他（車両）を分類する。そこに記載されている方法では、時間内で物体が変化するにつれて、物体の自己相似性が計算される。自己相似性は、周期性があり、時間周波数解析を用いて周期運動を検出して特徴付ける。また、類似マトリクス（絶対相関）に固有の２次元格子構造は、動作の周期性を特徴付けるのに用いられる。周期パターンは、対象となる３つのクラスを識別するのに用いられる。

「Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ Ｃｏｏｐｅｒａｔｉｖｅ Ｍｕｌｔｉ Ｓｅｎｓｏｒ Ｓｕｒｖｅｉｌｌａｎｃｅ」は、「Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ（２００１年１０月発行、８９巻、第１０刷、１４５６〜１４７７ページ、Ｒｏｂｅｒｔ Ｔ． Ｃｏｌｌｉｎｓ著）」に掲載されており、カーネギーメロン大学（ＣＭＵ）のビデオ監視（ＶＳＡＭ）チームが、単独の人間オペレータが動作しているビデオセンサーの分散ネットワークを使用して、クラッタ環境で活動を監視できるエンドツーエンドのマルチカメラ監視システムを開発している。このシステムは、リアルタイムの情報を自動収集し、発信し、セキュリティプロバイダーと意志決定者の状況認識を改善する。

この従来技術では、階層適応背景差分法によって物体検出が実施され、分類はやはり計算コストが高いニューラルネットワーククラシファイアにより実施される。

既定のクラスに移動物体を分類する時間差分法、背景除去法、オプティカルフロー、動き検出マスクの使用、周期運動と画像との相関マッチングなどの従来技術で用いられる技術は、計算コストが高く、対象となる物体を含むビデオの連続フレームを格納し、解析するのに多くの記憶領域を必要とする。

上に記載される従来技術の文献のいずれも、さらに経済的な計算コストが低い方法を用い、ビデオ監視時に物体を識別するのに単純な論理を用い、フレームを格納されないようにすることによって、利用する記憶領域空間を少なくし、識別される特徴を計算している間に利用する記憶領域空間を少なくし、ビデオ監視時に移動物体を既定のクラスに分類するシステムおよび方法を提案していない。

そこで、次に示すビデオ監視時に移動物体を既定のクラスに分類するシステムおよび方法の必要性があることは明白である。
・計算コストが低い。
・ビデオ監視時に物体を識別する単純な論理を用いる。
・対象となる物体を含むフレームを格納しないようにして、利用する記憶領域を少なくする。
・ビデオの中で物体を識別するためにフレームを解析する間、利用する記憶領域空間を少なくする。

本発明の主な目的は、ビデオ監視時にあらゆる移動物体を既定のクラスに分類できるシステムおよび方法を提案することである。

本発明の別の重要な目的は、さらに単純な論理と計算コストが低い方法を、ビデオ監視時に移動物体を分類するのに用いることである。

本発明の別の目的は、分散を計算するために連続フレームから計算される重心データのセットのみを格納し、これにより、必要な記憶空間を少なくすることである。

本発明のさらに別の目的は、ビデオ監視時に移動物体を分類する計算コストの低いシステムおよび方法を提供することである。

本発明の方法、システムおよびハードウェアの使用可能性を記載する前に、本発明は、記載する特定のシステムおよび方法に限定されず、本発明には複数の実施形態が考えられ、本開示で明白に説明していないことを理解する必要がある。また本願明細書で用いる用語は、特定の変形例および実施形態を記載する目的のみで使用され、本発明の範囲を限定することを意図せず、本願特許請求の範囲によってのみ限定されることを理解する必要がある。

本発明は、ビデオによる監視時に移動物体を分類するシステムを提供し、
ａ）少なくとも１つのビデオ撮影手段であって、ビデオ撮影手段の動作範囲内にある移動物体のシルエット画像を撮影するように構成される少なくとも１つのビデオ撮影手段と、
ｂ）プロセッサが実行するように構成されるプログラム命令を格納する手段であって、プロセッサは、
ｉ）撮影されたシルエット画像の大きさを変更し、シルエット画像の倍率変更は、撮影されたシルエット画像の上半分の大きさを用いることによって計算され、
ｉｉ）大きさが変更されたシルエット画像の中の物体の幅に対する高さの平均比と重心とを計算し、重心は物体の上半分のみを用いることによって計算され、
ｉｉｉ）重心を通る垂線によって、撮影された画像の下半分を２つの部分に分割し、そのうちの１つを解析して重心の分散を計算し、
ｉｖ）物体の平均高さと平均幅とを比較し、さらに重心の分散と所定の閾値とを比較し、
ｖ）撮影されたシルエットの物体を既定のクラスに分類し、分類は平均高さ、平均幅および重心の分散の計算値に基づいて実施される。

上に記載する概要や、以下に記載する好適な実施形態の詳細な記載は、添付の図面を参照して読むことによって、さらに良く理解される。本発明の説明のために、本発明の構成例を図に示すが、本発明は、開示する方法やシステムに限定されない。

ビデオカメラの配置と動作範囲を示す図である。 撮影されたシルエット画像の左下半分を示す図である。 移動物体をビデオ監視時に人、家畜および車両に分類するシステムおよび方法のフローチャートである。 ビデオによる監視時に移動物体を分類するシステムを説明する図である。 ビデオ監視範囲内で移動している二輪車（車両）の解析を説明する図である。 ビデオ監視範囲内で走行中の自動車の解析を説明する図である。

いくつかの実施形態を、本発明の特徴すべてを示しながら、以下に詳細に記載する。

「備える」、「有する」、「含有する」および「含む」の用語または他の語形は、意味上同等であることを意図し、これらの用語に続く項目が、このような項目の限定的なリストを意味しないという点と、列挙された項目のみに限定されることを意味しないという点で、オープンエンド形式であることを意図している。

本願明細書および本願特許請求の範囲で用いるように、単数で示す場合は、他に明確に記載されない限り、複数を含むことに留意する必要がある。本願明細書に記載されるものの類似物や均等物であるあらゆるシステムおよび方法を、本発明の実施形態を実施したり、試験したりするのに用いることができるが、ここでは、好ましいシステムおよび方法を記載する。

開示する実施形態は、本発明の例示にすぎず、様々な形態で実施され得る。

シルエットとは、側面または外形および特徴のない内部から成る物体または情景であり、シルエットで描かれる。

重心とは、画像処理に照らして考慮される対象領域または２値画像の平均座標である。

監視とは通常、人による、多くの場合は秘密裏の行動、活動または他の情報の変化を監視することである。ほとんどの場合、政府機関による個人や団体の監視に関して言及するが、たとえば、疾患監視では、地域社会の疾患の経過を監視することである。

ビデオ撮影手段は、ビデオを撮影する手段であり、ビデオカメラ、閉回路テレビ（ＣＣＴＶ）カメラまたはＩＰカメラであってもよい。

処理システムは、本発明によるシステムであり、各カメラが撮影された画像を解析し、ビデオ監視の動作範囲に入る移動物体を分類する関連処理システムを有する。

本発明は、ビデオによる監視時に移動物体を分類するシステムを提供し、
ａ）少なくとも１つのビデオ撮影手段であって、ビデオ撮影手段の動作範囲内にある移動物体のシルエット画像を撮影するように構成される少なくとも１つのビデオ撮影手段と、
ｂ）プロセッサが実行するように構成されるプログラム命令を格納する手段であって、プロセッサは、
ｉ）撮影されたシルエット画像の大きさを変更し、シルエット画像の倍率変更は、撮影されたシルエット画像の上半分の大きさを用いることによって計算され、
ｉｉ）大きさが変更されたシルエット画像の中の物体の幅に対する高さの平均比と重心とを計算し、重心は物体の上半分のみを用いることによって計算され、
ｉｉｉ）重心を通る垂線によって撮影された画像の下半分を２つの部分に分割し、そのうちの１つを解析して重心の分散を計算し、
ｉｖ）物体の平均高さと平均幅とを比較し、さらに重心の分散と所定の閾値とを比較し、
ｖ）撮影されたシルエットの物体を既定のクラスに分類し、分類は平均高さ、平均幅および重心の分散の計算値に基づいて実施される。

典型的な実施形態によれば、図１に示すように、ここでカメラと呼ばれる少なくとも４台のビデオ撮影手段が、対象となる領域の周囲に配置され、４台のカメラのうち少なくとも１つが移動物体のシルエットを撮影することを確実にしている。

処理システム（図示せず）は、各カメラに取り付けられており、図１に示すように、各カメラは、撮影されたシルエット画像を解析し、ビデオ監視の動作範囲に進入した移動物体を分類することができ、各カメラは独立して撮影されたフレームを処理でき、移動物体を人、家畜および車両などの既定のクラスに分類することに関して最終的に判定するのに有用である。さらにシステムは、人、車両または家畜が対象となる物体が監視領域に進入した場合、必要に応じて警報を鳴らすことができる。

処理システムは、特定の目的のコンピュータであってよく、プログラム命令を格納する方法は、プロセッサに次のタスクを実行させるように構成される。
・撮影された画像の大きさを変更する。
・大きさが変更された画像の中の物体の幅に対する高さの平均比と重心を計算する。
・物体の平均高さと平均幅とを比較し、さらに重心の分散と所定の閾値とを比較する。
・撮影されたシルエットの中の物体を既定のクラスに分類する。

一般に、ビデオ監視システムでは大容量の記憶領域空間が必要となる。記憶領域空間に制約がなければ、特定の監視領域のビデオ録画を全部格納することができる。しかし、動画像列の解析の必要性、たとえば犯罪調査に照らして、対象となる物体が撮影された関連フレームを検索するのに、記録全体を調べる（解析する）ことは困難である。本願明細書に示す本発明は、このような状況で、格納されたビデオストリームから対象となる物体を含むフレームを抽出するのに用いることができる。

本願明細書に提案されたシステムおよび方法は、ビデオストリームで追跡される移動物体を分類することを意図する。

図３によれば、ビデオ監視システムの動作範囲に入る移動物体が追跡される。技術水準で知られる方法のいずれか１つを用いても、移動物体を追跡することができる。監視システムの各カメラは、移動物体のシルエット画像を撮影しようとする。一処理システムは、４つのカメラにそれぞれ接続されているため、４つのカメラは動作範囲内にある移動物体の同じパラメータセットを抽出することになる。

移動物体のシルエット画像を撮影しないカメラに関して、その特定のカメラに連携する処理システムは、判定処理を自動停止する。人または家畜が視野に入る場合、そのような状況では、シルエットによる処理システムが判定処理にかかわることになる。車両が視野に入る場合、シルエットによる処理システムと、シルエットによらない処理システムが判定処理にかかわることになる。

少なくとも１つのカメラによって撮影された移動物体のシルエット画像は、２つの部分、言わば、上半分と下半分に分割される。撮影されたシルエット画像は、大きさが変更され、撮影されたシルエット画像の倍率変更は、撮影されたシルエット画像の上半分の大きさを用いることによって計算される。これによって、動作が下半分に反映されても、大きさが変更の尺度に影響を及ぼさないことを確実にする。全体画像はこの倍率に基づいて大きさが変更される。撮影されたシルエット画像の大きさを変更したのちに、大きさが変更されたシルエット画像の中の物体の幅に対する高さの平均比が計算される。さらに、大きさが変更されたシルエット画像の中の物体の重心が計算され、重心は、物体の上半分のみを用いることによって計算される。重心を通る垂線は、撮影された画像の下半分を２つの部分、言わば、左下半分と右下半分に分割する。

さらに、処理システムは、下半分の１つを解析して重心の分散を計算し、重心の分散は、前記物体の重心に対して、前記下半分の画像の中にある物体の一部の位置の変化を意味する。本願明細書に用いる識別情報は、左下半分（ＬＬＨ）の中の物体の重心の振幅性に基づいている。通常１フレーム／秒の速度でフレームを考慮すれば十分である。ＬＬＨの中の物体の重心は、特定数の連続フレームに対して計算される。ＣＧの平均と分散は計算される。人の歩行性によって示される脚の振幅によって重心の分散は、きわめて大きくなる。しかし、車輪の回転は重心位置に影響をしないため、車両の場合は、重心の分散は小さくなる。家畜の脚の動作性は、車両よりはるかに大きな重心の分散をもたらす。

ビデオ監視時に物体を分類することは、幅に対する高さの平均比が数値１と比較され、重心の分散が所定の閾値と比較されるという論理によって実施される。シルエット画像で撮影された物体の分類に関して判定するのに用いる論理を以下に示す。

判定論理
１．Ｈ／Ｗ＞１かつＣＧの分散＞閾値
判定−人のシルエット
２．Ｈ／Ｗ＜１かつＣＧの分散＞閾値
判定−家畜のシルエット
３．Ｈ／Ｗ＜１かつＣＧの分散＜閾値
判定−車両（「シルエット」または「シルエットなし」）
４．Ｈ／Ｗ＞１かつＣＧの分散＜閾値
次の３つの可能性がある。
人−シルエットなし
家畜−シルエットなし
車両−シルエットなし

本願明細所のカメラによるシステムは、判定処理を停止する。
式中、
Ｈ／Ｗは、幅に対する高さの平均比である。
ＣＧの分散は、重心の分散である。

図３によれば、ステップ１０４に示すように幅に対する高さの平均比を計算したのちに、ステップ１０６に示すように、幅に対する高さの平均比は、数値１と比較される。ステップ１０８および１１０で示すように、重心の分散は、所定の閾値と比較される。幅に対する高さの平均比が１を超える場合、言い換えれば、物体の平均高さが平均幅より大きく、重心の分散が所定の閾値より大きい場合、ステップ１１２に従って、物体は人に分類される。同じように、平均高さが平均幅より小さく、重心の分散は所定の閾値より大きい場合、ステップ１１６に示すように、物体は家畜として分類され、平均高さが平均幅より小さく、重心の分散が所定の閾値より小さい場合、ステップ１１８に示すように、物体は車両に分類される。平均高さが平均幅より大きく、重心の分散が所定の閾値より小さい場合、システムはステップ１１４に示されているように、ビデオによる監視の間に移動物体を分類する移動物体を分類する判定処理を停止する。

本発明の実用
本発明を試験するために、ＭＰＥＧ２ビデオを使用した。ＭＰＥＧ２ビデオを３０フレーム毎に計算処理する。本願明細書で言及するｎ番目のフレームは、実際は当初のＭＰＥＧ２ビデオの３０ｎ番目のフレームである。以下のとおり、本発明は、様々な移動物体に対して、重心の分散（ＣＧの分散）の計算に関して試験されている。

人（歩行）
図４に示すように、ビデオによる監視時に移動物体を分類するシステムを試験する。ビデオ監視の動作範囲を、男性に歩いて横切ってもらう。背景が入った原フレームを、ビデオ撮影手段によって撮影する。物体をセグメント化して、撮影されたフレームから抽出する。抽出された物体を、２つの部分、言わば、上半分と下半分に分割する。上半分の画像重心（ＣＧ）を計算することを考慮し、ＣＧを貫通する垂線によって、下半分を２つの部分、言わば、左下半分と右下半分に分割する。抽出された物体の左下半分を考慮し、Ｃ．Ｇを貫通する垂線から左下半分に存在する物体の部分の分散を計算する。同じように、１６個の連続フレームが重心の分散の計算に関して解析される。この特定の実施例では、１６個の連続フレームのＣ．Ｇ分散の計算結果は１６．４０００である。

移動する二輪車（車両）
図５に示すように、ビデオ監視範囲内で移動している二輪車（車両）を解析するが、実施例１に説明するのと同じ手続きに従って、１６個の連続フレームを解析する。この場合、１６個の連続フレームのＣ．Ｇ分散の計算結果は１．６１００である。

走行中の自動車（車両）
図６に示すように、ビデオ監視範囲内で走行中の自動車を解析しているが、実施例１で説明するのと同じ手続きに従って、１６個の連続フレームを解析する。この場合、１６個の連続フレームのＣ．Ｇ分散の計算結果は０．２４００である。

本発明の利点
１）本発明は、ビデオによる監視時に移動物体を分類するシステムを提供し、連続フレームから計算された重心データのセットのみが、分散を計算するために格納される。連続フレームから物体画像を格納する必要はない。それゆえ、ビデオ監視システムの記憶空間が節約される。
２）本発明は、ビデオ監視時に移動物体を分類するのにそれほど複雑でない論理を用いる。
３）本発明は計算コストが低い。

Claims (16)

1. ビデオによる監視時に移動物体を分類するシステムであって、
   ａ）少なくとも１つのビデオ撮影手段であって、ビデオ撮影手段の動作範囲内にある移動物体のシルエット画像を撮影するように構成される少なくとも１つのビデオ撮影手段と、
   ｂ）プロセッサが実行するように構成されるプログラム命令を格納する手段であって、該プロセッサは、
   ｉ）撮影された前記シルエット画像の大きさを変更し、前記シルエット画像の倍率変更は、撮影された前記シルエット画像の上半分の大きさを用いることによって計算され、
   ｉｉ）大きさが変更された前記シルエット画像の中の前記物体の幅に対する高さの平均比と重心とを計算し、重心は、前記物体の上半分のみを用いることによって計算され、
   ｉｉｉ）重心を通る垂線によって、撮影された前記画像の下半分を２つの部分に分割し、そのうちの１つを解析して重心の分散を計算し、
   ｉｖ）前記物体の平均高さと平均幅とを比較し、さらに重心の分散と所定の閾値とを比較し、
   ｖ）前記シルエットとして撮影された前記物体を既定のクラスに分類し、該分類は平均高さ、平均幅および重心の分散の計算値に基づいて実施されるビデオによる監視時に移動物体を分類するシステム。
2. ビデオ撮影手段は、ビデオカメラ、閉回路テレビ（ＣＣＴＶ）カメラまたはＩＰカメラでありうる、請求項１に記載のビデオによる監視時に移動物体を分類するシステム。
3. 各ビデオ撮影手段は、個別にビデオ監視時に移動物体を分類するシステムを有する請求項１に記載のビデオによる監視時に移動物体を分類するシステム。
4. 各ビデオ撮影手段は、シルエット画像で撮影された移動物体の分類に関して判定可能である請求項１に記載のビデオによる監視時に移動物体を分類するシステム。
5. 前記物体は、前記平均高さが平均幅より大きく、重心の分散が所定の閾値より大きい場合に人に分類され、前記物体は、前記平均高さが平均幅より小さく、重心の分散が所定の閾値より大きい場合に家畜に分類され、前記物体は、前記平均高さが平均幅より小さく、重心の分散が所定の閾値より小さい場合に物体は車両に分類される請求項１に記載のビデオによる監視時に移動物体を分類するシステム。
6. 前記移動物体の前記シルエット画像を得られていない１または複数のビデオ撮影手段は、前記移動物体の分類処理を停止する請求項１に記載のビデオによる監視時に移動物体を分類するシステム。
7. 前記平均高さが平均幅より大きく、重心の分散が所定の閾値以下である場合、前記ビデオによる監視時に移動物体を分類するシステムは、前記移動物体を分類する判定処理を停止する請求項１に記載のビデオによる監視時に移動物体を分類するシステム。
8. 前記ビデオ撮影手段の動作範囲で対象となる物体を検出すると、警報を自動的に鳴らすことがさらに可能である、請求項１に記載のビデオによる監視時に移動物体を分類するシステム。
9. ビデオによる監視時に移動物体を分類する方法であって、
   ａ）少なくとも１つのビデオ撮影手段を使用して、ビデオ監視の動作範囲内の移動物体のシルエット画像を撮影するステップと、
   ｂ）撮影された前記シルエット画像の大きさを変更し、前記シルエット画像の倍率が、撮影された前記シルエット画像の上半分の大きさを利用して計算されるステップと、
   ｃ）大きさが変更された前記シルエット画像の中の前記物体の幅に対する高さの平均比および重心を計算し、重心は前記物体の上半分を用いることによって計算され、撮影された前記画像の下半分を左下半分と右下半分の２つの部分に分割するために、重心を通る垂線が用いられるステップと、
   ｄ）前記下半分の１つを解析して、重心の分散を計算するステップと、
   ｅ）物体の平均高さと平均幅とを比較し、さらに重心の分散と所定の閾値とを比較するステップと、
   ｆ）撮影された前記シルエットで描かれた物体を既定のクラスに分類し、該分類は、平均高さ、平均幅および重心の分散の計算値に基づいて実施されることを特徴とするステップとを含むビデオによる監視時に移動物体を分類する方法。
10. ビデオ撮影手段は、ビデオカメラ、閉回路テレビ（ＣＣＴＶ）カメラまたはＩＰカメラでありうる請求項９に記載のビデオによる監視時に移動物体を分類する方法。
11. 各ビデオ撮影手段が、ビデオ監視時に移動物体を分類するシステムを個別に有する請求項９に記載のビデオによる監視時に移動物体を分類する方法。
12. 各ビデオ撮影手段は、シルエット画像で撮影された移動物体の分類に関して判定可能である請求項９に記載のビデオによる監視時に移動物体を分類する方法。
13. 前記物体は、前記平均高さが平均幅より大きく、重心の分散が所定の閾値より大きい場合に人に分類され、前記物体は、前記平均高さが平均幅より小さく、重心の分散が所定の閾値より大きい場合に家畜に分類され、前記物体は、前記平均高さが平均幅より小さく、重心の分散が所定の閾値より小さい場合に物体は車両に分類される請求項９に記載のビデオによる監視時に移動物体を分類する方法。
14. 前記移動物体の前記シルエット画像を得られていない前記ビデオ撮影手段は、前記移動物体の分類処理を停止する、請求項９に記載のビデオによる監視時に移動物体を分類する方法。
15. 前記平均高さが平均幅より大きく、重心の分散が所定の閾値以下である場合、前記ビデオによる監視時に移動物体を分類するシステムは、前記移動物体を分類する判定処理を停止する、請求項９に記載のビデオによる監視時に移動物体を分類する方法。
16. 前記ビデオ撮影手段の動作範囲で対象となる物体を検出すると、警報を自動的に鳴らすことがさらに可能である、請求項９に記載のビデオによる監視時に移動物体を分類する方法。

Images