KR100994722B1 - 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체추적 방법 - Google Patents

카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체추적 방법 Download PDF

Info

Publication number
KR100994722B1
KR100994722B1 KR1020080075571A KR20080075571A KR100994722B1 KR 100994722 B1 KR100994722 B1 KR 100994722B1 KR 1020080075571 A KR1020080075571 A KR 1020080075571A KR 20080075571 A KR20080075571 A KR 20080075571A KR 100994722 B1 KR100994722 B1 KR 100994722B1
Authority
KR
South Korea
Prior art keywords
camera
cameras
image
probability
main
Prior art date
Application number
KR1020080075571A
Other languages
English (en)
Other versions
KR20100013855A (ko
Inventor
김지만
김대진
Original Assignee
포항공과대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 포항공과대학교 산학협력단 filed Critical 포항공과대학교 산학협력단
Priority to KR1020080075571A priority Critical patent/KR100994722B1/ko
Publication of KR20100013855A publication Critical patent/KR20100013855A/ko
Application granted granted Critical
Publication of KR100994722B1 publication Critical patent/KR100994722B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/34—Reselection control
    • H04W36/36—Reselection control by user or terminal equipment

Abstract

본 발명에 의한 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체 추적 방법은, 배경 모델링을 이용하여 복수의 각 카메라에서 촬상된 움직이는 물체의 영상에 대한 블록을 검출하는 과정; 상기 각 카메라의 촬상된 영상에서 상기 물체의 각거리(AD: angle distance)와 검출된 상기 블록 수의 비에 기초하여 상기 물체에 대한 각 카메라의 근접도 확률을 산출하는 과정; 최대 근접도 확률을 갖는 카메라를 주요 카메라로 하여 핸드오프를 수행하는 과정; 및 상기 주요 카메라와 실제 지도 간의 호모그래피를 이용하여 상기 물체의 경로를 추정하는 과정;을 포함함을 특징으로 한다.
본 발명에 의하면, 복잡한 전처리 과정이 필요 없는 확률적인 카메라 핸드오프 방법을 이용함으로써, 물체의 위치 정보 등을 이용하여 물체들을 보다 더 정확하게 구분할 수 있으며, 연속적인 추적 시스템의 효율성을 제고시킨다.

Description

카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체 추적 방법{Method for tracking moving object on multiple cameras using probabilistic camera hand-off}
본 발명은 물체 추적 방법에 관한 것으로서, 보다 상세하게는 감시 카메라 시스템에 있어서, 다중 카메라에서 얻은 영상으로부터 움직이는 물체들을 연속적으로 추적하기 위한 방법에 관한 것이다.
일반적으로 전시장이나 주요 시설에는 방범 및 보안용으로 카메라의 영상을 통하여 현장을 실시간 감시하거나 녹화하여 이상 여부를 확인할 수 있는 다양한 감시 카메라 시스템이 사용되고 있다. 이러한 감시 시스템에서 카메라 한 개로서, 고정된 카메라를 사용하는 경우에는 감시할 수 있는 영역이 매우 한정되어 있기 때문에 광범위한 영역을 감시하기에는 곤란하며, 더욱이 넓은 영역 내에서 임의로 움직이는 물체를 연속적으로 추적하는 것은 불가능하다.
이동하는 물체를 효과적으로 추적 감시하기 위한 감시 시스템으로서, 카메라간의 정보 교환에 따라 물체를 추적하는 주요 카메라를 넘겨주는 핸드오프 방식을 통해 광범위한 영역에서 동일 물체를 연속적으로 추적할 수 있는 다수개의 카메라 를 이용한 다중 카메라 감시 시스템이 적용되고 있다.
종래의 다중 카메라를 이용한 감시 시스템에서의 물체 추적 방법은 물체의 거리 정보나 색상 정보를 이용하거나, 서로 다른 카메라 이미지의 특정 영역들 간의 일치성을 이용하였다. 그러나 거리 정보를 이용하는 추적 방법은 많은 연산량이 요구되어 이를 위한 시스템 구축에 적지 않은 비용이 소요된다. 또한, 색상 정보를 이용하는 경우, 유사한 색상을 갖는 다수의 물체에 대해서 색상 정보를 이용하여 물체들을 명확히 구분하는 것이 곤란하였다.
더욱이, 이러한 일치성을 이용하는 경우, 카메라의 수가 증가할수록 서로 다른 카메라 이미지의 특정 영역들 간의 일치성을 계산하는 데에 많은 시간이 소요되는 문제점이 있다.
본 발명의 과제는 상술된 종래 기술의 문제점을 감안하여, 고정된 다중 카메라를 이용하여 광범위한 영역 내에서 움직이는 물체에 대한 각 카메라의 근접도 확률을 이용하여 추적 성능을 향상시킨 물체 추적 방법을 제공하는 데 있다.
상기 과제를 달성하기 위한 본 발명에 의한 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체 추적 방법은,
배경 모델링을 이용하여 복수의 각 카메라에서 촬상된 움직이는 물체의 영상에 대한 블록을 검출하는 과정;
상기 각 카메라의 영상에서 상기 물체의 각거리(AD: angle distance)와 검출된 상기 블록 수의 비에 기초하여 상기 물체에 대한 각 카메라의 근접도 확률을 산출하는 과정;
최대 근접도 확률을 갖는 카메라를 주요 카메라로 선택하는 과정;
연속된 2개의 이미지 프레임 간의 주요 카메라 확률이 상이한 경우 근접도 확률이 높은 카메라로 핸드오프를 수행하는 과정; 및
상기 주요 카메라와 실제 지도 간의 호모그래피를 이용하여 상기 물체의 경로를 추정하는 과정;을 포함함을 특징으로 한다.
또한, 상기 블록을 검출하는 과정에서 상기 블록의 그림자에 해당하는 블록은 밝기 정보와 색조 정보의 왜곡 정도를 이용하여 제거함을 특징으로 한다.
또한, 상기 배경 모델링은 SKDA(sequential kernel density approximation)를 기반으로 수행됨을 특징으로 한다.
또한, 상기 각거리는 상기 물체의 움직임에 대한 방향 벡터와 카메라와 물체 간의 방향 벡터를 이용하여 각 카메라에서 촬상한 이미지 상에서 산출함을 특징으로 한다.
또한, 상기 각 카메라의 근접도 확률은 다음 수식으로 산출되며,
Figure 112008055682941-pat00001
여기서, i는 i 번째의 물체, j는 j번째 카메라,
Figure 112008055682941-pat00002
는 전체 카메라의 각거리의 합에 대한 각 카메라의 각거리(AD)와의 비,
Figure 112008055682941-pat00003
은 전체 카메라에서 검출된 해당 물체의 블록수의 합과 각 카메라에서 해당 물체의 블록수와의 비임을 특징으로 한다.
또한, 촬상된 영상에서 추적하는 2개의 물체가 겹쳐져 있고, 상기 2개의 물체에 대한 주요 카메라가 동일한 경우, 뒤쪽의 겹쳐진 물체의 주요 카메라를 두 번째로 큰 근접도 확률을 가진 카메라로 대체함을 특징으로 한다.
또한, 2개 이상의 물체를 추적하는 경우 물체의 구분은 색상정보와 위치정보를 이용함을 특징으로 한다.
본 발명에 의하면, 물체의 위치 정보 등을 이용하여 물체들을 보다 더 정확하게 구분할 수 있으며, 특정 영역들 간의 일치성을 연산하는 대신에 복잡한 전처리 과정이 필요 없는 확률적인 카메라 핸드오프 방법을 이용함으로써, 이동 물체에 대한 추적 성능을 제고시킨다.
또한 감시 영역 내에서 물체의 위치와 경로에 대한 정보를 제공함으로써 위험 지역 접근 통제 시스템 등의 다양한 분야에의 적용할 수 있다.
이하, 첨부 도면을 참조하여 본 발명의 바람직한 실시예를 설명하기로 한다.
도 1은 본 발명에 의한 확률적 카메라 핸드오프를 이용한 연속적인 물체 추적 방법을 설명하기 위한 흐름도이다.
감시를 위해 모든 카메라의 영상을 일일이 관찰하는 것은 어려운 일이기 때문에 여러 카메라들 중에서 물체를 가장 구체적으로 관찰할 수 있는 주요 카메라를 선택한다.
본 발명에 적용되는 각 카메라에서 촬상된 이미지는 블록 단위로 처리되며, 입력된 각 카메라에서 촬상된 움직이는 물체의 영상에 대하여 블록별로 SKDA기반의 배경 모델링을 통해 전경(foreground)에 해당하는 블록들을 검출한다. 이 때, 물체의 그림자 영역 또한 전경으로 검출되며, 밝기 정보와 색조 정보의 왜곡 정도를 이용하여 그림자에 해당하는 블록들을 제거시킴으로써 물체 검출의 정확도를 높인다(100, 102 단계).
각 카메라에서 검출된 블록들의 비는 수학식 1로서 나타낼 수 있다.
Figure 112008055682941-pat00004
여기서 Nij(t)는 시간 t에서 j번째 카메라에서 i번째 물체에 대해 검출된 블록들의 수, Nc는 카메라의 수이다. 블록 수만을 고려하여 주요 카메라를 선택하는 경우, 블록의 수는 검출 성능에 전적으로 의존하기 때문에 블록의 수만을 기준으로 주요 카메라를 선택하는 것은 부정확하여 추가적인 선택 기준요소를 추가한다.
각 카메라 이미지에서 상기 물체의 각거리(AD: angle distance)와 각 카메라에서 검출된 블록 수의 비에 기초하여 상기 물체에 대한 각 카메라의 근접도 확률을 산출한다(104 단계).
각 카메라의 근접도 확률을 산출하기 위해 정확하고 안정된 주요 카메라 선택을 위해서 카메라와 물체 간의 각거리의 비를 이용한다. 먼저 물체의 방향 벡터와 카메라와 물체 사이의 방향 벡터를 계산한 후, 그 두 벡터 간의 각거리(AD)를 계산한다. 물체의 방향 벡터는 다음 수학식 2와 같이 연속된 두 프레임간의 물체의 위치들의 차이로 정의된다.
Figure 112008055682941-pat00005
여기서, 좌변은 물체의 방향 벡터를 나타내고, 우변의 각 항들은 각 시간에서 j번째 카메라 이미지에서 i번째 물체의 중앙 위치를 나타낸다.
또한 카메라와 물체 간의 방향 벡터는, 현재 시간에서 카메라의 위치와 이전 시간에서 물체의 위치 간의 차이로 정의되며 다음과 수학식 3과 같이 나타내어진다.
Figure 112008055682941-pat00006
수학식 3에서 좌변은 카메라와 물체 간 방향 벡터를 나타내고, 우변은 j번째 카메라 이미지에서 j번째 카메라의 위치와 j번째 카메라에서 i번째 물체의 중앙 위치를 나타낸다.
물체의 방향 벡터와 카메라와 물체 간 방향 벡터가 계산되면, 각 카메라 이미지에서 각 물체에 대한 각거리(AD)를 수학식 4와 같이 계산할 수 있다.
Figure 112008055682941-pat00007
또한 카메라와 물체 간의 각거리(AD)를 이용하여, 다음 수학식 5와 같이 각 카메라의 각거리(AD)의 비를 계산한다.
Figure 112008055682941-pat00008
도 2a 및 도 2b는 각각 3번째 카메라 4번째 카메라의 이미지로서, 해당 카메라로부터 I번째 물체의 각거리(AD)를 나타낸다. xc 1 내지 xc 4는 카메라의 위치이며, 도면상에서 물체가 4번째 카메라 방향으로 움직이고 있기 때문에 3번째 카메라와 물체 간의 각거리(AD)가 4번째 카메라와 물체 간의 각거리(AD)보다 크다는 것을 알 수 있다.
마지막으로, 앞서 구한 검출된 블록의 비와 각거리(AD)의 비를 이용하여 다음 수학식 6과 같이 각 카메라의 근접도 확률을 계산한다.
Figure 112008055682941-pat00009
여기서
Figure 112008055682941-pat00010
은 시간 t에서 j번째 물체에 대한 i번째 카메라의 근접도 확률을 나타낸다. 이러한 근접도 확률은 검출된 블록들의 비가 클수록, 각거리(AD)의 비가 작을수록 커진다.
근접도 확률을 계산한 후, 주요 카메라를 선택한다(106 단계). 수학식 7과같이 i번째 물체에 대한 주요 카메라는 가장 큰 근접도 확률(최대 근접도 확률)을 가진 카메라로 정의한다.
Figure 112008055682941-pat00011
또한 최대 근접도 확률을 이용하여 i번째 물체에 대한 주요 카메라 확률을 다음 수학식 8과 같이 정의한다.
Figure 112008055682941-pat00012
연속된 두 이미지의 프레임의 주요 카메라가 다르다면, 즉,
Figure 112008055682941-pat00013
일 때 다음 수학식 9와 같이 확률적인 카메라 핸드오프를 수행한다(108 단계).
Figure 112008055682941-pat00014
또한 카메라의 이미지에서 두 물체가 서로 겹치는 상황이 발생하는 경우 두 물체의 주요 카메라가 동일하다면, 뒤쪽의 겹쳐진 물체의 주요 카메라를 두 번째로 큰 근접도 확률을 가진 카메라로 대체한다.
또한, 2개 이상의 물체를 추적하는 경우 물체의 구분은 색상정보와 위치정보 를 이용한다.
여기서, 위험 지역 접근 제한 등의 비전 기반의 실용적인 감시 시스템을 위해서는 실제 지형 지도상에서의 물체의 위치를 알 필요가 있다. 지도상의 물체의 위치를 알아내기 위해서는 다음 수학식 10과 같이 주요 카메라와 지형 지도 간의 호모그래피를 이용한다.
Figure 112008055682941-pat00015
여기서 x1은 주요 카메라로부터 얻은 이미지에서의 물체의 위치를 나타내고, x2는 지도상에서의 물체의 위치를 나타낸다. 또한 H는 주요 카메라와 지형 지도 간의 호모그래피를 나타낸다. 여기서 각 카메라와 지형 지도 간의 호모그래피는 26개의 점을 이용하여 미리 구한다.
도 3은 본 발명에 의한 연속적인 물체 추적을 위한 확률적인 카메라 핸드오프의 결과를 보여준다. 각 열은 서로 다른 시퀀스를 나타내고 각 이미지 아래의 카메라 표시는 특정 시간에서 선택된 주요 카메라를 의미한다.
도 4는 본 발명에 의한 실측된 지도와 각 카메라 이미지 간의 호모그래피를 나타내며, 각 카메라의 호모그래피는 사전에 계산된다.
도 5는 본 발명에 의한 호모그래피에서 추정된 이동 물체의 경로를 도시하는 도면이다. 각 사람에 대해 개별적으로 경로 추정이 수행됨을 알 수 있다.
종래와 같이 주요 카메라에서의 물체의 위치 정보가 입력되면, 각 카메라에 해당하는 호모그래피를 이용하여 지도 상에서의 물체의 위치를 계산하고 그 위치들을 연결하여 물체의 움직인 경로를 추정하며, 추가 입력 영상이 있으면 102 단계로부터 반복 수행한다(110, 112 단계).
본 발명의 실시예에 의한 연속적인 물체 추적에 있어서, SKDA 기반의 물체 검출은 물체의 그림자를 제거 처리한 후 평균 95%의 성능을 나타냈다. 주요 카메라 선택에 있어서 검출된 블록들의 수의 비와 카메라 물체 간의 각거리(AD)를 함께 사용하는 것이 검출된 블록들의 수의 비만 사용하였을 때보다 더 정확하고 안정적인 추적결과를 나타내었다. 또한 미리 지정된 경로로 사람이 움직였을 때 추정된 경로의 평균 오차가 대략 40cm 이었다. 또한 전체 알고리즘의 처리 속도가 초당 8~9 프레임이기 때문에 일반적인 실시간 시스템에 적용이 가능하다.
이상 본 발명의 바람직한 실시예에 대하여 상세히 기술하였지만, 본 발명이 속하는 기술분야에 있어서 통상의 지식을 가진 사람이라면, 첨부된 청구 범위에 정의된 본 발명의 정신 및 범위를 벗어나지 않으면서 본 발명을 여러 가지로 변형 또는 변경하여 실시할 수 있음을 알 수 있을 것이다. 따라서 본 발명의 앞으로의 실시예들의 변경은 본 발명의 기술을 벗어날 수 없을 것이다.
도 1은 본 발명에 의한 확률적 카메라 핸드오프를 이용한 연속적인 물체 추적 방법의 흐름도이다.
도 2a 및 도 2b는 각각 3번째 카메라 4번째 카메라의 이미지로서, 해당 카메라로부터 i 번째 물체의 각거리를 설명하기 위한 도면이다.
도 3은 본 발명에 의한 연속적인 물체 추적을 위한 확률적인 카메라 핸드오프의 결과를 도시한 도면이다.
도 4는 본 발명에 의한 실측된 지도와 각 카메라 이미지 간의 호모그래피를 설명하기 위한 도면이다.
도 5는 본 발명에 의한 호모그래피 상에서 추정된 이동 물체의 경로를 도시하는 도면이다.

Claims (7)

  1. SKDA(sequential kernel density approximation)를 기반으로 수행되는 배경 모델링을 이용하여 복수의 각 카메라에서 촬상된 움직이는 물체의 영상에 대한 블록을 검출하는 과정;
    상기 각 카메라의 영상에서 상기 물체의 각거리(AD: angle distance)와 검출된 상기 블록 수의 비에 기초하여 상기 물체에 대한 각 카메라의 근접도 확률을 산출하는 과정;
    최대 근접도 확률을 갖는 카메라를 주요 카메라로 선택하는 과정;
    연속된 2개의 이미지 프레임 간의 주요 카메라 확률이 상이한 경우 근접도 확률이 높은 카메라로 핸드오프를 수행하는 과정; 및
    상기 주요 카메라와 실제 지도 간의 호모그래피를 이용하여 상기 물체의 경로를 추정하는 과정;을 포함함을 특징으로 하는 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체 추적 방법.
  2. 제1항에 있어서, 상기 블록을 검출하는 과정에서 상기 블록의 그림자에 해당하는 블록은 밝기 정보와 색조 정보의 왜곡 정도를 이용하여 제거함을 특징으로 하는 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체 추적 방법.
  3. 삭제
  4. 제1항에 있어서, 상기 각거리는 상기 물체의 움직임에 대한 방향 벡터와 카메라와 물체 간의 방향 벡터를 이용하여 각 카메라에서 촬상한 이미지 상에서 산출함을 특징으로 하는 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체 추적 방법.
  5. 제4항에 있어서, 상기 각 카메라의 근접도 확률은 다음 수식으로 산출되며,
    Figure 112008055682941-pat00016
    여기서, i는 i 번째의 물체, j는 j번째 카메라,
    Figure 112008055682941-pat00017
    는 전체 카메라의 각거리의 합에 대한 각 카메라의 각거리(AD)와의 비,
    Figure 112008055682941-pat00018
    은 전체 카메라에서 검출된 해당 물체의 블록수의 합과 각 카메라에서 해당 물체의 블록수와의 비임을 특징으로 하는 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체 추적 방법.
  6. 제5항에 있어서, 카메라의 이미지에서 추적하는 2개의 물체가 겹쳐져 있고, 상기 2개의 물체에 대한 주요 카메라가 동일한 경우, 뒤쪽의 겹쳐진 물체의 주요 카메라를 두 번째로 큰 근접도 확률을 가진 카메라로 대체함을 특징으로 하는 카메 라 핸드오프를 이용한 다중 카메라상의 연속적인 물체 추적 방법.
  7. 제6항에 있어서, 2개 이상의 물체를 추적하는 경우 물체의 구분은 색상정보와 위치정보를 이용함을 특징으로 하는 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체 추적 방법.
KR1020080075571A 2008-08-01 2008-08-01 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체추적 방법 KR100994722B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080075571A KR100994722B1 (ko) 2008-08-01 2008-08-01 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체추적 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080075571A KR100994722B1 (ko) 2008-08-01 2008-08-01 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체추적 방법

Publications (2)

Publication Number Publication Date
KR20100013855A KR20100013855A (ko) 2010-02-10
KR100994722B1 true KR100994722B1 (ko) 2010-11-16

Family

ID=42087799

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080075571A KR100994722B1 (ko) 2008-08-01 2008-08-01 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체추적 방법

Country Status (1)

Country Link
KR (1) KR100994722B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140052357A (ko) 2012-10-24 2014-05-07 주식회사 케이티 다중 카메라를 이용하여 객체의 이동을 추적하는 객체 추적 시스템 및 객체 추적 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019067813A (ja) * 2017-09-28 2019-04-25 株式会社デンソー 半導体モジュール
CN110388960B (zh) * 2019-07-05 2021-12-14 燕山大学 用低速相机实现高速运动产品质量检测装置
CN111835970A (zh) * 2020-07-09 2020-10-27 珠海大横琴科技发展有限公司 一种图像采集设备联动方法、装置及存储介质
US11620966B2 (en) * 2020-08-26 2023-04-04 Htc Corporation Multimedia system, driving method thereof, and non-transitory computer-readable storage medium

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001094975A (ja) 1999-09-20 2001-04-06 Hitachi Ltd 移動物体追跡方法および装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001094975A (ja) 1999-09-20 2001-04-06 Hitachi Ltd 移動物体追跡方法および装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문 : 한국정보과학회*

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140052357A (ko) 2012-10-24 2014-05-07 주식회사 케이티 다중 카메라를 이용하여 객체의 이동을 추적하는 객체 추적 시스템 및 객체 추적 방법

Also Published As

Publication number Publication date
KR20100013855A (ko) 2010-02-10

Similar Documents

Publication Publication Date Title
Fang et al. Locality-constrained spatial transformer network for video crowd counting
CN107545582B (zh) 基于模糊逻辑的视频多目标跟踪方法及装置
EP2858008B1 (en) Target detecting method and system
CN109167956B (zh) 全桥面移动荷载空间分布监测系统
KR101077967B1 (ko) 이동식 감시 및 추적 장치 및 방법
Golightly et al. Corner detection and matching for visual tracking during power line inspection
US7623676B2 (en) Method and apparatus for tracking objects over a wide area using a network of stereo sensors
US7567704B2 (en) Method and apparatus for identifying physical features in video
US20150178571A1 (en) Methods, devices and systems for detecting objects in a video
US20110142283A1 (en) Apparatus and method for moving object detection
CN112883819A (zh) 多目标跟踪方法、装置、系统及计算机可读存储介质
Rout A survey on object detection and tracking algorithms
JP7272024B2 (ja) 物体追跡装置、監視システムおよび物体追跡方法
KR20010000107A (ko) 다중 이동물체 추적/감시 시스템
WO2008020598A1 (fr) Dispositif et procédé de détection d'un nombre d'objets
JP6524529B2 (ja) 建築限界判定装置
KR101548639B1 (ko) 감시 카메라 시스템의 객체 추적장치 및 그 방법
KR100994722B1 (ko) 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체추적 방법
KR20170100204A (ko) 3차원 공간 정보를 이용한 목표물 추적 장치 및 방법
Funde et al. Object detection and tracking approaches for video surveillance over camera network
JPH11257931A (ja) 物体認識装置
KR20100066952A (ko) 스테레오 비전을 이용하여 장애물을 추적하는 장치 및 방법
CN109977796A (zh) 尾随通行检测方法及装置
Sincan et al. Moving object detection by a mounted moving camera
JP6504711B2 (ja) 画像処理装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application
AMND Amendment
J201 Request for trial against refusal decision
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130930

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee