JP6893204B2 - 徘徊イベントを検出するための方法、デバイスおよびシステム - Google Patents
徘徊イベントを検出するための方法、デバイスおよびシステム Download PDFInfo
- Publication number
- JP6893204B2 JP6893204B2 JP2018233841A JP2018233841A JP6893204B2 JP 6893204 B2 JP6893204 B2 JP 6893204B2 JP 2018233841 A JP2018233841 A JP 2018233841A JP 2018233841 A JP2018233841 A JP 2018233841A JP 6893204 B2 JP6893204 B2 JP 6893204B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- time stamp
- time
- aoi
- detected
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 45
- 230000002776 aggregation Effects 0.000 claims description 70
- 238000004220 aggregation Methods 0.000 claims description 70
- 238000001514 detection method Methods 0.000 claims description 39
- 238000012544 monitoring process Methods 0.000 claims description 23
- 230000007717 exclusion Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 11
- 238000001914 filtration Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Alarm Devices (AREA)
- User Interface Of Digital Computer (AREA)
Description
・監視シーン内の検出された第1の対象物に対応する第1の対象物データを受信するステップであって、第1の対象物データは、第1のID、第1の位置データおよび第1のタイムスタンプを含む、ステップと、
・第1の位置データがAOIと重なり合うと判断するステップと、
・監視シーン内の検出された第1の対象物に対応する第2の対象物データを受信するステップであって、第2の対象物データは、第1のID、第2の位置データおよび第2のタイムスタンプを含む、ステップと、
・第2の位置データがAOIと重なり合うと判断するステップと、
・第2のタイムスタンプと第1のタイムスタンプとの間の時間差を集約期間に追加するステップと、
・監視シーン内の検出された第2の対象物に対応する第3の対象物データを受信するステップであって、第3の対象物データは、第1のIDと異なる第2のID、第3の位置データおよび第3のタイムスタンプを含み、第3のタイムスタンプは、第2のタイムスタンプよりも後である、ステップと、
・第3の位置データがAOIと重なり合うと判断するステップと、
・監視シーン内の検出された第2の対象物に対応する第4の対象物データを受信するステップであって、第4の対象物データは、第2のID、第4の位置データおよび第4のタイムスタンプを含む、ステップと、
・第4の位置データがAOIと重なり合うと判断するステップと、
・第4のタイムスタンプと第3のタイムスタンプとの間の時間差を集約期間に追加するステップと、
・集約期間が第1の閾値期間を超えているとき、徘徊イベントを検出するステップと、
を含む。
・監視シーン内の検出された第1の対象物に対応する第1の対象物データを受信し、第1の対象物データは、第1のID、第1の位置データおよび第1のタイムスタンプを含み、
・第1の位置データがAOIの座標と重なり合うと判断し、
・監視シーン内の検出された第1の対象物に対応する第2の対象物データを受信し、第2の対象物データは、第1のID、第2の位置データおよび第2のタイムスタンプを含み、
・第2の位置データがAOIの座標と重なり合うと判断し、
・第2のタイムスタンプと第1のタイムスタンプとの間の時間差を集約期間に追加し、
・監視シーン内の検出された第2の対象物に対応する第3の対象物データを受信し、第3の対象物データは、第1のIDと異なる第2のID、第3の位置データおよび第3のタイムスタンプを含み、
・第3の位置データがAOIの座標と重なり合うと判断し、
・監視シーン内の検出された第2の対象物に対応する第4の対象物データを受信し、第4の対象物データは、第2のID、第4の位置データおよび第4のタイムスタンプを含み、
・第4の位置データがAOIの座標と重なり合うと判断し、
・第4のタイムスタンプと第3のタイムスタンプとの間の時間差を集約期間に追加し、
・集約期間が第1の閾値期間を超えているとき、徘徊イベントを検出する、
ように適合されたプロセッサを備える。
・シーンのデータを連続的に取り込むための第1のデバイスと、
・第1のデバイスから取込み済みデータを受信し、取込み済みデータにおける対象物を検出および追跡するように適合された第2のデバイスであって、取り込まれたデータにおける検出および追跡された対象物に対応する対象物データを抽出し、抽出された対象物データの対応するタイムスタンプを抽出するようにさらに適合され、各対象物データは、検出および追跡された対象物に関連付けられ、関連付けられた対象物のID、関連付けられた対象物の位置データ、およびタイムスタンプを含む、第2のデバイスと、
・第2のデバイスから抽出された対象物データを受信するように適合された、第2の態様による第3のデバイスと、
を備える、システムによって達成される。
− 以前に見られたが今は姿を消している対象物、
− マージの一部であった対象物(2つ以上の対象物が1つの対象物にマージする)、
− スプリットの一部であった対象物(1つの対象物が2つ以上の対象物にスプリットする)、
等の他の情報を含む場合がある。
− 監視シーン内の少なくとも1つの検出された対象物に対応する対象物データを受信するステップであって、対象物データは少なくとも1つの位置データを含み、各位置データは、少なくとも1つの検出された対象物のうちの検出された対象物に関連付けられ、タイムスタンプは位置データに関連付けられる、ステップと、
− 受信した対象物データに基づいて、AOI内で少なくとも1つの対象物が検出された時点を特定するステップと、
− 特定された時点ごとに、以前に特定された最も近い時点に対する時間差を計算するステップと、
− 各計算された時間差を第2の閾値時間と比較し、計算された時間差が第2の閾値時間未満であると判断すると、計算された時間差を集約期間に追加するステップと、
− 集約期間が第1の閾値期間を超えているとき、徘徊イベントを検出するステップと、
を含むことができる。
Claims (15)
- 対象エリア(104)(AOI)内の徘徊イベントを検出するための方法であって、
監視シーン(102)内の検出された第1の対象物(106a)に対応する第1の対象物データ(410a)を受信するステップ(S508)であって、前記第1の対象物データは、第1のID、第1の位置データおよび第1のタイムスタンプを含む、ステップと、
前記第1の位置データが前記AOIと重なり合うと判断するステップ(S514)と、
前記監視シーン内の検出された第1の対象物に対応する第2の対象物データ(410b)を受信するステップ(S508)であって、前記第2の対象物データは、前記第1のID、第2の位置データおよび第2のタイムスタンプを含む、ステップと、
前記第2の位置データが前記AOIと重なり合うと判断するステップ(S514)と、
前記第2のタイムスタンプと前記第1のタイムスタンプとの間の時間差を集約期間(202)に追加するステップ(S518)と、
前記監視シーン内の検出された第2の対象物(106b)に対応する第3の対象物データ(410e)を受信するステップ(S508)であって、前記第3の対象物データは、前記第1のIDと異なる第2のID、第3の位置データおよび第3のタイムスタンプを含み、前記第3のタイムスタンプは、前記第2のタイムスタンプよりも後である、ステップと、
前記第3の位置データが前記AOIと重なり合うと判断するステップ(S514)と、
前記監視シーン内の前記検出された第2の対象物に対応する第4の対象物データ(410f)を受信するステップ(S508)であって、前記第4の対象物データは、前記第2のID、第4の位置データおよび第4のタイムスタンプを含む、ステップと、
前記第4の位置データが前記AOIと重なり合うと判断するステップ(S514)と、
前記第4のタイムスタンプと前記第3のタイムスタンプとの間の時間差を集約期間(202)に追加するステップ(S518)と、
前記集約期間が第1の閾値期間を超えているとき、徘徊イベント(414)を検出するステップ(S520)と、
を含む、方法。 - 前記第3のタイムスタンプと前記第2のタイムスタンプとの間の時間差が第2の時間閾値を超えている場合(S502)、
前記第4のタイムスタンプと前記第3のタイムスタンプとの間の時間差を前記集約期間に追加する前記ステップの前に、前記集約期間をゼロにセットするステップ(S504)をさらに含む、請求項1に記載の方法。 - 前記AOIと重なり合う位置データを有する各受信された対象物データ間の時間を測定するステップをさらに含み、前記集約期間をゼロにセットする前記ステップは、前記時間が前記第2の時間閾値を超えているときに実行される、請求項2に記載の方法。
- 徘徊イベントが検出されたとき、前記AOIと重なり合う位置データを有する、後続して受信された2つの対象物データ間の時間が前記第2の時間閾値を超えるまで、徘徊イベントの検出を継続するステップをさらに含む、請求項3に記載の方法。
- 前記監視シーン内の前記検出された第2の対象物に対応する第5の対象物データを受信するステップ(S508)であって、前記第5の対象物データは、前記第2のID、第5の位置データおよび第5のタイムスタンプを含む、ステップと、
前記第5の位置データが前記AOIと重なり合うと判断するステップ(S514)と、
前記第5のタイムスタンプと前記第4のタイムスタンプとの間の時間差を前記集約期間に追加するステップ(S518)と、
をさらに含む、請求項1から4のいずれか一項に記載の方法。 - 前記第4の位置データが除外エリアとさらに重なり合うと判断するステップ(S516)をさらに含み、これによって、前記第4のタイムスタンプと前記第3のタイムスタンプとの間の前記時間差を前記集約期間に追加するステップは実行されない、請求項1から4のいずれか一項に記載の方法。
- 前記監視シーン内の前記検出された第2の対象物に対応する第5の対象物データを受信するステップ(S508)であって、前記第5の対象物データは、前記第2のID、第5の位置データおよび第5のタイムスタンプを含む、ステップと、
前記第5の位置データが前記AOIと重なり合い(S514)、前記除外エリアとは重なり合わない(S516)と判断するステップと、
前記第5のタイムスタンプと前記第4のタイムスタンプとの間の時間差を前記集約期間に追加するステップ(S518)と、
をさらに含む、請求項6に記載の方法。 - 受信された対象物データは、検出された対象物のサイズに対応するサイズデータをさらに含み、前記方法は、
前記第3の対象物データおよび前記第4の対象物データのサイズデータを閾値サイズと比較するステップ(S512)をさらに含み、前記第4のタイムスタンプと前記第3のタイムスタンプとの間の時間差を前記集約期間に追加するステップは、それぞれのサイズデータが前記閾値サイズを超えている場合にのみ実行される、請求項1から7のいずれか一項に記載の方法。 - 受信された対象物データは、検出された対象物のタイプに対応する対象物タイプデータをさらに含み、前記方法は、
前記第3の対象物データおよび前記第4の対象物データの対象物タイプデータを所定の対象物タイプと比較するステップ(S512)をさらに含み、前記第4のタイムスタンプと前記第3のタイムスタンプとの間の時間差を前記集約期間に追加するステップは、それぞれの対象物タイプデータが前記所定の対象物タイプに等しい場合にのみ実行される、請求項1から7のいずれか一項に記載の方法。 - 徘徊イベントを検出するように適合されたデバイス(412)であって、
監視シーン(102)内の検出された第1の対象物(106a)に対応する第1の対象物データ(410a)を受信し(S508)、前記第1の対象物データは、第1のID、第1の位置データおよび第1のタイムスタンプを含み、
前記第1の位置データが前記AOIと重なり合うと判断し(S514)、
監視シーン内の前記検出された第1の対象物に対応する第2の対象物データ(410b)を受信し(S508)、前記第2の対象物データは、前記第1のID、第2の位置データおよび第2のタイムスタンプを含み、
前記第2の位置データが前記AOIと重なり合うと判断し(S514)、
前記第2のタイムスタンプと前記第1のタイムスタンプとの間の時間差を集約期間(202)に追加し(S518)、
前記監視シーン内の検出された第2の対象物(106b)に対応する第3の対象物データ(410e)を受信し(S508)、前記第3の対象物データは、前記第1のIDと異なる第2のID、第3の位置データおよび第3のタイムスタンプを含み、前記第3のタイムスタンプは、前記第2のタイムスタンプよりも後であり、
前記第3の位置データが前記AOIと重なり合うと判断し(S514)、
前記監視シーン内の前記検出された第2の対象物に対応する第4の対象物データ(410f)を受信し(S508)、前記第4の対象物データは、前記第2のID、第4の位置データおよび第4のタイムスタンプを含み、
前記第4の位置データが前記AOIと重なり合うと判断し(S514)、
前記第4のタイムスタンプと前記第3のタイムスタンプとの間の時間差を集約期間(202)に追加し(S518)、
前記集約期間が第1の閾値期間を超えているとき、徘徊イベント(414)を検出する(S520)、
ように適合されたプロセッサを備える、デバイス。 - シーン(102)のデータ(406)を連続的に取り込むための第1のデバイス(404)と、
前記第1のデバイスから前記取り込まれたデータ(406)を受信し、前記取り込まれたデータにおける対象物を検出および追跡するように適合された第2のデバイス(404)であって、前記取り込まれたデータにおける検出および追跡された対象物に対応する対象物データ(410)を抽出し、前記抽出された対象物データの対応するタイムスタンプを抽出するようにさらに適合され、各対象物データは、検出および追跡された対象物に関連付けられ、前記関連付けられた対象物のID、前記関連付けられた対象物の位置データ、および前記タイムスタンプを含む、第2のデバイスと、
前記第2のデバイスから前記抽出された対象物データを受信するように適合された、請求項10に記載の第3のデバイス(412)と、
を備える、システム。 - 前記第3のデバイスから検出された徘徊イベント(414)を受信し、オペレータに前記徘徊イベントに気づかせるための視覚および/または可聴信号(416)を生成するように適合された第4のデバイス(418)をさらに備える、請求項11に記載のシステム。
- 前記第1のデバイスは、以下のリスト、すなわち、
ビデオ取込みデバイス、RADARデバイス、赤外線センサデバイス、マイクロフォンアレイ、サーマルカメラ、およびTOFカメラ、
のうちの1つである、請求項11または12に記載のシステム。 - 前記第1のデバイス、前記第2のデバイスおよび前記第3のデバイスは、ビデオ取込みデバイスにおいて実施される、請求項11から13のいずれか一項に記載のシステム。
- 処理能力を有するデバイスによって実行されると、請求項1から9のいずれか一項に記載の方法を実行するように適合された命令を有する非一時的コンピュータ可読ストレージ媒体を備えるコンピュータプログラム製品。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17208476.6A EP3502952B1 (en) | 2017-12-19 | 2017-12-19 | Method, device and system for detecting a loitering event |
EP17208476.6 | 2017-12-19 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019135640A JP2019135640A (ja) | 2019-08-15 |
JP2019135640A5 JP2019135640A5 (ja) | 2021-02-04 |
JP6893204B2 true JP6893204B2 (ja) | 2021-06-23 |
Family
ID=60915247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018233841A Active JP6893204B2 (ja) | 2017-12-19 | 2018-12-13 | 徘徊イベントを検出するための方法、デバイスおよびシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US10748011B2 (ja) |
EP (1) | EP3502952B1 (ja) |
JP (1) | JP6893204B2 (ja) |
KR (1) | KR102175373B1 (ja) |
CN (1) | CN109934217B (ja) |
TW (1) | TWI756497B (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110324528A (zh) * | 2018-03-28 | 2019-10-11 | 富泰华工业(深圳)有限公司 | 摄像装置、影像处理系统及方法 |
CN112906430A (zh) * | 2019-11-19 | 2021-06-04 | 英业达科技有限公司 | 基于影像的对象追踪方法 |
CN112287875B (zh) * | 2020-11-16 | 2023-07-25 | 北京百度网讯科技有限公司 | 异常车牌识别方法、装置、设备及可读存储介质 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0628449B2 (ja) * | 1985-12-10 | 1994-04-13 | 松下電工株式会社 | 侵入監視装置 |
US8711217B2 (en) | 2000-10-24 | 2014-04-29 | Objectvideo, Inc. | Video surveillance system employing video primitives |
JP2008035095A (ja) * | 2006-07-27 | 2008-02-14 | Sony Corp | 監視装置、監視システム、監視方法及びプログラム |
JP2008083933A (ja) * | 2006-09-27 | 2008-04-10 | Sogo Keibi Hosho Co Ltd | 不審者判定装置、不審者判定方法および不審者判定プログラム |
CN201773466U (zh) * | 2009-09-09 | 2011-03-23 | 深圳辉锐天眼科技有限公司 | 物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置 |
MY150414A (en) * | 2009-12-21 | 2014-01-15 | Mimos Berhad | Method of determining loitering event |
MY159285A (en) | 2010-11-29 | 2016-12-30 | Mimos Berhad | System and method to detect loitering event in a region |
MY161490A (en) | 2010-12-01 | 2017-04-14 | Mimos Berhad | A system and method to detect human loitering activity using trajectory information |
MY159290A (en) * | 2010-12-02 | 2016-12-30 | Mimos Berhad | A system and a method for detecting a loitering event |
JP5691849B2 (ja) * | 2011-05-31 | 2015-04-01 | 三菱電機株式会社 | 注視者検知装置 |
US10769913B2 (en) | 2011-12-22 | 2020-09-08 | Pelco, Inc. | Cloud-based video surveillance management system |
FI20125279L (fi) | 2012-03-14 | 2013-09-15 | Mirasys Business Analytics Oy | Menetelmä, järjestely ja tietokoneohjelmatuote videoitujen kohteiden käyttäytymisessä esiintyvien säännönmukaisuuksien analysoimiseksi |
JP5924081B2 (ja) * | 2012-03-30 | 2016-05-25 | サクサ株式会社 | 置き去り又は持ち去り検知システム |
US9245276B2 (en) | 2012-12-12 | 2016-01-26 | Verint Systems Ltd. | Time-in-store estimation using facial recognition |
KR101454644B1 (ko) * | 2013-04-30 | 2014-10-27 | 순천향대학교 산학협력단 | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 |
CN104050665B (zh) * | 2014-06-10 | 2017-07-21 | 华为技术有限公司 | 一种视频图像中前景停留时间的估计方法及装置 |
KR102282465B1 (ko) * | 2014-10-27 | 2021-07-27 | 한화테크윈 주식회사 | 로이터링 시각화 장치 및 방법 |
JP6562752B2 (ja) * | 2015-07-30 | 2019-08-21 | キヤノン株式会社 | 情報処理装置とその制御方法、プログラム、記憶媒体 |
JP6708218B2 (ja) * | 2015-12-16 | 2020-06-10 | 日本電気株式会社 | 情報処理装置、侵入検知方法及びコンピュータプログラム |
-
2017
- 2017-12-19 EP EP17208476.6A patent/EP3502952B1/en active Active
-
2018
- 2018-11-20 KR KR1020180143442A patent/KR102175373B1/ko active IP Right Grant
- 2018-11-27 TW TW107142259A patent/TWI756497B/zh active
- 2018-12-06 US US16/211,271 patent/US10748011B2/en active Active
- 2018-12-13 JP JP2018233841A patent/JP6893204B2/ja active Active
- 2018-12-14 CN CN201811533686.5A patent/CN109934217B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
TWI756497B (zh) | 2022-03-01 |
CN109934217B (zh) | 2021-07-30 |
TW201928896A (zh) | 2019-07-16 |
EP3502952A1 (en) | 2019-06-26 |
KR102175373B1 (ko) | 2020-11-06 |
US20190188487A1 (en) | 2019-06-20 |
JP2019135640A (ja) | 2019-08-15 |
EP3502952B1 (en) | 2020-10-14 |
US10748011B2 (en) | 2020-08-18 |
CN109934217A (zh) | 2019-06-25 |
KR20190074210A (ko) | 2019-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9520040B2 (en) | System and method for real-time 3-D object tracking and alerting via networked sensors | |
JP6893204B2 (ja) | 徘徊イベントを検出するための方法、デバイスおよびシステム | |
US20190347528A1 (en) | Image analysis system, image analysis method, and storage medium | |
EP2779130B1 (en) | GPS directed intrusion system with real-time data acquisition | |
CN103726879B (zh) | 利用摄像头自动捕捉矿井矿震坍塌并及时记录报警的方法 | |
US10318817B2 (en) | Method and apparatus for surveillance | |
US9292939B2 (en) | Information processing system, information processing method and program | |
Alshammari et al. | Intelligent multi-camera video surveillance system for smart city applications | |
KR20160049391A (ko) | 로이터링 시각화 장치 및 방법 | |
KR101541272B1 (ko) | 사람들의 움직임 불규칙성을 이용한 폭력 행위 검출 장치 및 방법 | |
JP6013923B2 (ja) | ビデオエピソードの閲覧及び検索のためのシステム及び方法 | |
CN113887445A (zh) | 一种视频中驻足和徘徊行为识别方法及系统 | |
US20220351515A1 (en) | Method for perceiving event tagging-based situation and system for same | |
CN110557676B (zh) | 用于确定和推荐场景的视频内容活动区域的系统和方法 | |
CN108111802B (zh) | 视频监控方法及装置 | |
KR101848367B1 (ko) | 모션벡터와 dct 계수를 이용한 메타데이터 기반 의심영상 구분식별 방식의 영상 관제 방법 | |
WO2012141574A1 (en) | Intrusion detection system for determining object position | |
KR101285128B1 (ko) | 영상 분석을 위한 지능형 검색 로봇 | |
WO2012074366A2 (en) | A system and a method for detecting a loitering event | |
KR101596015B1 (ko) | 다수의 카메라를 이용한 독립건물 침입방지 시스템 | |
CN106595604A (zh) | 核电厂周界低空抛物检测方法、装置 | |
US20240119737A1 (en) | Computer-implemented method, non-transitory computer readable storage medium storing a computer program, and system for video surveillance | |
KR20180000205A (ko) | 지능형 영상 분석 장치 및 방법 | |
KR20200011221A (ko) | 영상병합 스트림 리즈닝 감시방법 | |
KR20150060440A (ko) | 2d와 3d 영상 분석을 이용한 침입 감지 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201218 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201218 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201218 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210430 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210518 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210531 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6893204 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |