KR20070053358A - 감시 시스템을 위한 타깃 속성 맵 - Google Patents

감시 시스템을 위한 타깃 속성 맵 Download PDF

Info

Publication number
KR20070053358A
KR20070053358A KR1020077009240A KR20077009240A KR20070053358A KR 20070053358 A KR20070053358 A KR 20070053358A KR 1020077009240 A KR1020077009240 A KR 1020077009240A KR 20077009240 A KR20077009240 A KR 20077009240A KR 20070053358 A KR20070053358 A KR 20070053358A
Authority
KR
South Korea
Prior art keywords
target
video processing
attribute map
target attribute
processing system
Prior art date
Application number
KR1020077009240A
Other languages
English (en)
Inventor
닐스 해링
지샨 라쉬드
앤드류 제이 초삭
제프리 에그날
알랜 제이 립톤
하이잉 리우
피터 엘 베네시아너
웨이홍 인
리 유
리앙 인 유
종 장
Original Assignee
오브젝트비디오 인코퍼레이티드
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 오브젝트비디오 인코퍼레이티드 filed Critical 오브젝트비디오 인코퍼레이티드
Publication of KR20070053358A publication Critical patent/KR20070053358A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/44—Colour synchronisation
    • H04N9/47—Colour synchronisation for sequential signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

입력 비디오 시퀀스는, 타깃 정보를 얻기 위하여 입력 비디오 시퀀스를 처리하고(도1의 11, 12 및 13); 타깃 정보에 기초하여 적어도 하나의 타깃 속성 맵을 작성함으로써(도1의 16) 처리된다. 타깃 속성 맵은 특히 비디오 감시와 관련되어 여러 이벤트를 검출하게 된다.
비디오 시퀀스, 타깃 정보, 타깃 속성 맵, 감시 시스템, 정황, 비디오 처리 장치

Description

감시 시스템을 위한 타깃 속성 맵{TARGET PROPERTY MAPS FOR SURVEILLANCE SYSTEMS}
본 발명은 비디오 감시에 관한 것이다. 보다 구체적으로, 본 발명의 구체적인 실시예들은 정황의존 방식의 비디오 기반 감시 시스템(context-sensitive video-based surveillance system)에 관한 것이다.
많은 기업 및 은행, 상점, 공항 등과 같은 시설은 보안 시스템을 이용한다. 이러한 시스템들 중에는 비디오 기반 시스템이 있으며, 이 시스템에 있어서 비디오 카메라와 같은 감지 장치는 그 보안 감지 영역 내에서의 이미지를 획득 및 기록한다. 예를 들어, 비디오 카메라는 그 렌즈의 시야 내에 있는 모든 물체의 비디오 기록을 제공하게 된다. 이러한 비디오 이미지는 인간 조작자에 의해 감시되고, 또한/또는 이후에 인간 조작자에 의해 검토될 수도 있다. 최근의 발전에 의하여, 이러한 비디오 이미지가 자동 시스템에 의해서도 감시되어, 검출률을 향상시키고 인건비를 절감하게 된다.
많은 상황에 있어서, 양자화하지 않고, 빠르다, 느리다, 높다, 편평하다, 넓 다, 좁다 등과 같은 상대적인 수식어구를 이용하여 타깃의 검출을 상술하는 것이 바람직할 것이다. 마찬가지로, 동일한 시스템이 수년간 동일한 화면을 감시해 오고 있을 지라도, 현재의 시스템은 불가능하지만 최신의 감시 시스템은 화면의 특색을 개조하는 것이 바람직할 것이다.
본 발명의 실시예들은 정황 정보의 자동 추출 및 이용을 가능하게 하도록 되어 있다. 또한, 본 발명의 실시예들은 움직이는 타깃에 관한 정황 정보를 제공한다. 이 정황 정보는 정황의존 방식의 이벤트 검출을 가능하게 하기 위해 이용될 수도 있고, 이는 타깃 검출을 개선하고 추적 및 분류를 개선하며 비디오 감시 시스템의 오작동률을 감소시킬 수도 있다.
특히, 본 발명의 일실시예에 따른 비디오 처리 시스템은, 입력 비디오 시퀀스를 받아들이고 상기 입력 비디오 시퀀스에서의 하나 이상의 타깃에 대한 정보를 출력하기 위한 업스트림 비디오 처리 장치(up-stream video processing device); 및 상기 업스트림 비디오 처리 장치에 결합되어, 상기 출력 정보의 적어도 일부를 수신하고 적어도 하나의 타깃 속성 맵을 작성하기 위한 타깃 속성 맵 작성기를 포함할 수도 있다.
본 발명의 다른 실시예에 있어서, 비디오 처리 방법은, 타깃 정보를 얻기 위하여 입력 비디오 시퀀스를 처리하는 단계; 및 상기 타깃 정보에 기초하여 적어도 하나의 타깃 속성 맵을 작성하는 단계를 포함한다.
또한, 본 발명은 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합의 형태로 실시될 수도 있다.
정의
다음 정의는 상기 내용을 포함하여 본 명세서 전체에 적용된다.
"비디오"는 아날로그 및/또는 디지털 형태로 나타나는 동영상을 지시한다. 비디오의 일례로는, 텔레비전, 영화, 비디오 카메라나 다른 관측기로부터의 이미지 시퀀스 및 컴퓨터를 이용한 이미지 시퀀스가 있다.
"프레임"은 비디오 내에서의 특정한 이미지 또는 다른 개별 단위를 지시한다.
"대상"은 비디오에서의 중요한 항목을 지시한다. 대상의 예로는, 사람, 차량, 동물 및 물리적인 물체가 있다.
"타깃"은 대상의 컴퓨터 모델이다. 타깃은 이미지 처리를 통하여 유도될 수도 있고, 타깃과 대상 사이에는 일대일 대응이 존재한다.
"타깃 인스턴스(target instance)" 또는 "인스턴스"는 프레임에서의 대상의 관찰예를 지시한다.
"활동"은 하나 이상의 동작 및/또는 하나 이상의 대상의 하나 이상의 복합 동작을 지시한다. 활동의 일례로는, 엔터; 종료; 정지; 옮김; 상승; 하강; 및 수축이 있다.
"위치"는 활동이 발생할 수도 있는 공간을 지시한다. 위치는 예를 들어 화면에 기초하거나 또는 이미지에 기초할 수도 있다. 화면에 기초한 위치의 예로는, 공공 장소; 상점; 사무실; 창고; 호텔 방; 호텔 로비; 빌딩 로비; 카지노; 버스 정류장; 기차역; 공항; 항구; 버스; 기차; 비행기; 및 배가 있다. 이미지에 기초한 위치의 예로는, 비디오 이미지; 비디오 이미지에서의 라인; 비디오 이미지에서의 영역; 비디오 이미지의 직사각형 부분; 및 비디오 이미지의 다각형 부분이 있다.
"이벤트"는 활동에 관여된 하나 이상의 대상을 지시한다. 이벤트는 위치 및/또는 시간에 관하여 지시될 수도 있다.
"컴퓨터"는 구성된 입력을 받아들이고 정해진 규칙에 따라 구성된 입력을 처리하고 처리 결과를 출력으로서 생성할 수 있는 어떠한 장치도 지시한다. 컴퓨터의 예로는, 컴퓨터; 범용 컴퓨터; 슈퍼컴퓨터; 메인프레임; 슈퍼 미니컴퓨터; 미니컴퓨터; 워크스테이션; 마이크로컴퓨터; 서버; 대화형 텔레비전; 컴퓨터와 대화형 컴퓨터의 하이브리드 조합(hybrid combination); 및 컴퓨터 및/또는 소프트웨어를 모방하기 위한 특정애플리케이션용 하드웨어가 있다. 컴퓨터는 하나 또는 복수의 프로세서를 구비할 수 있으며, 이들은 병렬로 동작하고 또한/또는 병렬로 동작하지 않을 수도 있다. 또한, 컴퓨터는 컴퓨터들 사이에서 정보를 송수신하기 위하여 네트워크를 통하여 함께 접속된 2개 이상의 컴퓨터도 지시한다. 이러한 컴퓨터의 일례로는, 네트워크에 의해 연결된 컴퓨터들을 통하여 정보를 처리하기 위한 분산된 컴퓨터 시스템이 있다.
"컴퓨터판독가능 매체"는 컴퓨터에 의해 액세스가능한 데이터를 저장하기 위해 이용되는 어떠한 저장 장치도 지시한다. 컴퓨터판독가능 매체의 일례로는, 자기 하드 디스크; 플로피 디스크; CD-ROM 및 DVD와 같은 광디스크; 자기 테이프; 메모리 칩; 및 이메일을 송수신하고 네트워크에 액세스하는데 이용하는 것과 같이 컴퓨터판독가능 전자 데이터를 전달하기 위해 이용되는 반송파가 있다.
"소프트웨어"는 컴퓨터를 동작시키기 위하여 정해진 규칙을 지시한다. 소프트웨어의 일례로는, 코드 세그먼트(code segments); 명령어; 컴퓨터 프로그램; 및프로그래밍된 논리가 있다.
"컴퓨터 시스템"은 컴퓨터를 구비한 시스템을 지시하며, 여기서, 컴퓨터는 컴퓨터를 동작시키기 위한 소프트웨어를 구현하는 컴퓨터판독가능 매체를 포함한다.
"네트워크"는 통신 설비에 의해 접속된 많은 컴퓨터 및 관련 장치를 지시한다. 네트워크는 케이블과 같은 영구적 접속 또는 전화나 다른 통신 링크를 통하여 만들어지는 것과 같은 일시적 접속을 포함한다. 네트워크의 일례로는, Internet과 같은 인터넷; 인트라넷; LAN(local area network); WAN(wide area network); 및 인터넷과 인트라넷과 같은 네트워크의 조합이 있다.
"감지 장치"는 시각 정보를 얻기 위한 어떠한 장치도 지시한다. 예를 들어, 컬러 및 단색 카메라, 폐쇄회로 텔레비전(CCTV) 카메라, 전하 결합 소자(CCD) 센서, 아날로그 및 디지털 카메라, PC 카메라, 웹 카메라, 및 적외선 이미징 장치가 있다. 보다 구체적으로 설명되지는 않더라고, "카메라"는 어떠한 감지 장치로 지시한다.
"블랍(blob)"은 일반적으로 이미지(보통, 비디오의 정황)에서의 어떠한 대상도 지시한다. 블랍의 일례로는, 움직이는 대상(예를 들어, 사람 및 차량) 및 정지한 대상(예를 들어, 가방, 가구, 상점의 진열된 상품)이 있다.
"타깃 속성 맵"은 타깃 속성 또는 이미지 위치에 대한 타깃 속성의 기능의 매핑이다. 타깃 특성 맵은 타깃 속성 또는 각각의 이미지 위치에서의 하나 이상의 타깃 속성의 기능을 기록하고 모델링(modeling)함으로써 작성된다. 예를 들어, 이미지 위치 (x, y)에서의 폭 모델은 위치 (x, y)에서의 픽셀을 통과하는 모든 타깃의 폭을 기록함으로써 얻어질 수도 있다. 모델은 이 기록을 나타내고 통계 정보를 제공하기 위해 이용될 수도 있으며, 이는 위치 (x, y)에서의 타깃의 평균 폭, 이 위치에서의 평균으로부터의 표준 편차 등을 포함할 수도 있다. 각각의 이미지 위치에 대한 이러한 모델의 수집이 타깃 속성 맵으로 불린다.
도1은 본 발명의 실시예들을 포함할 수도 있는 정황 분석 시스템을 도시한 흐름도.
도2는 본 발명의 일실시예에 따른 타깃 속성 맵의 연습을 도시한 흐름도.
도3은 본 발명의 일실시예에 따른 타깃 속성 맵의 이용을 도시한 흐름도.
도4는 본 발명의 몇몇 실시예들을 구현하는데 이용될 수도 있는 시스템을 도시한 블록도.
본 발명은 일반적인 감시 시스템의 일부를 포함할 수도 있다. 가능한 실시예 가 도1에 도시되어 있다. 타깃 속성 정보는 검출(11), 추적(12) 및 분류(12) 모듈에 의해 비디오 시퀀스로부터 추출된다. 이 모듈들은 알려진 또는 지금까지는 발견되지 않은 기술을 이용할 수도 있다. 결과적인 정보는 이벤트 검출 모듈(14)로 통과되며, 이벤트 검출 모듈(14)은 이용자에 의해 요구되는 것으로 생각되는 속성에 대하여 관측된 타깃 속성을 매칭시킨다(15). 예를 들어, 이용자는 그래픽 이용자 인터페이스(GUI)(15) 또는 시스템과의 다른 입출력(I/O) 인터페이스를 이용함으로써 이러한 요구 속성을 상술할 수도 있다. 타깃 속성 맵 작성기(16)는 업스트림 구성요소들(11, 12 및 13)에 의해 추출되는 데이터를 감시하고 모델링하며, 이는 이 구성요소들에 정보를 더 제공할 수 있다. 데이터 모델은 하나의 타깃 속성에 기초하거나 또는 하나 이상의 타깃 속성의 기능에 기초할 수도 있다. 복잡한 모델은 주어진 타깃 속성 세트에 맞춰진 알고리즘에 기초하여 생성될 수도 있다. 예를 들어, 모델은 (타깃 크기의 제곱근)/(타깃과 카메라 간의 거리)의 비를 측정할 수도 있다.
타깃 속성 맵을 포함하는 모델은, 이들이 이용될 수 있기 전의 관측에 기초하여 작성될 수도 있다. 대안적 실시예에 있어서, 타깃 속성 모델은 미리 정해져서 시스템에 제공될 수도 있다. 이어지는 논의는 모델들이 프로세스의 일부로서 구성되는 경우를 다루게 되지만, 다른 절차들은 이 대안적 실시예에 대하여 균등하게 상대적이다. 예를 들어, 정황 정보는 영구적 저장 장치에 대하여 주기적으로 보관될 수도 있고, 그 결과 시스템 장애로 이어지며, 많은 정황 정보 이 영구적 저장 장치로부터 재로드될(re-loaded) 수 있게 된다. 본 실시예는 외부의 - 미리 보관된 - 소스로부터의 초기 모델 정보를 제공한다.
모델이 구성되는 본 발명의 실시예들에 있어서, 모델의 유효성을 신호하기 위하여, 통계적으로 의미있는 양의 데이터가 관측된 후에만 "완전하다(mature)"고 레이블링된다(labeled). 아직 완전하지 않은 모델에 대한 문의는 대답되지 않는다. 이 전략은 모델이 완전해질 때까지 시스템을 디폴트 모드에서 유지시킨다. 모델이 완전해지면, 모델은 도1에 도시된 바와 같이 접속된 알고리즘 구성요소의 결정 프로세스에 포함될 수 있는 정보를 제공할 수도 있다. 이 새로운 증거의 이용가능성은 알고리즘 구성요소가 보다 나은 결정을 하도록 돕는다.
모든 타깃 또는 그 인스턴스가 연습을 위해 반드시 이용되는 것은 아니다. 타깃 속성을 모으는 업스트림 구성요소(11, 12 및 13)는 장애를 일으킬 수도 있고, 모델이 장애 데이터로부터 보호되는 것이 중요하다. 이 문제를 다루기 위한 하나의 기술로는, 타깃 속성의 질을 철저하게 분석하는 알고리즘을 고안하는 것이다. 본 발명의 다른 실시예들에 있어서는, 질에 관하여 의심이 들면 타깃 및 타깃 인스턴스를 거부하는 간단한 알고리즘이 이용될 수도 있다. 이 접근법은 타깃 속성 맵이 완전해질 때까지 지속될 것이다. 많은 비디오 감시 시스템이 화면을 보면서 긴 시간을 보냄에 따라, 이 접근법은 매력적이다.
도2는 본 발명의 일실시예에 따라 타깃 속성 맵을 작성하기 위한 알고리즘을 도시한 흐름도이다. 이러한 알고리즘은 예를 들어 도1에 도시된 바와 같은 타깃 속성 맵 작성기(16)에서 구현될 수도 있다. 블록(201)에서, 이러한 알고리즘은 타깃 속성 맵의 크기(일반적으로, 이는 이미지 크기에 대응할 수도 있음)에 대응하여 어 레이를 적절히 초기화함으로써 시작될 수 있다. 블록(202)에서, 다음 타깃이 고려될 수 있다. 프로세스의 이 부분은 블록(203)에서의 링 버퍼와 같은 필터링된 타깃 인스턴스의 버퍼의 초기화와 함께 시작될 수도 있다. 다음으로, 프로세스는 블록(204)으로 진행되고, 여기서는 고려 중인 타깃의 다음 인스턴스(버퍼에 저장되어 있을 수도 있음)가 어드레싱될(addressed) 수 있다. 블록(205)에서는, 타깃이 완성되었는지 여부가 판단된다. 이는 타깃의 모든 인스턴스가 고려되었는지를 판단하는 경우이다. 타깃이 완성되면, 프로세스는 블록(210)으로 진행된다(후술됨). 타깃이 완성되지 않았다면, 프로세스는 블록(206)으로 진행될 수 있으며, 타깃이 불량인지 여부를 판단하게 된다. 이는 최신의 인스턴스가 업스트림 프로세스에 의한 타깃의 처리, 레이블링 또는 식별에 있어서 심각한 장애를 드러내는지를 판단하는 경우이다. 타깃이 불량하다고 판단한 경우, 프로세스는 블록(202)으로 되돌아갈 수 있으며, 다음 타깃을 고려하게 된다. 타깃이 불량하다고 판단하지 않았다면, 프로세스는 블록(207)으로 진행될 수 있으며, 고려 중인 특정한 인스턴스가 불량 인스턴스인지 여부를 판단하게 된다. 이는 최신의 인스턴스가 업스트림 프로세스에 의한 타깃의 처리, 레이블링 또는 식별에 있어서 한정된 불일치를 드러내는지를 판단하는 경우이다. 불량 인스턴스가 발견되면, 그 인스턴스는 무시되고 프로세스는 블록(204)으로 진행되며, 다음 타깃 인스턴스를 고려하게 된다. 불량 인스턴스가 발견되지 않았다면, 프로세스는 블록(208)으로 진행될 수 있고, 블록(204)으로 돌아가서 다음 타깃 인스턴스를 고려하기 전에, 필터링된 타깃 인스턴스의 버퍼를 갱신하게 된다.
이어서 블록(205)(전술됨)에서, 알고리즘은 블록(209)으로 진행될 수 있으며, 여기서 타깃 인스턴스가 "완전하다"고 간주될 수 있는지가 판단된다. 본 발명의 일실시예에 따라, 버퍼가 풀 상태인 것으로 알려지면, 가장 오래된 타깃 인스턴스가 "완전하다"고 특징지어질 수도 있다. 타깃의 모든 인스턴스가 고려되었다면(즉, 타깃이 완성되었다면), 버퍼의 모든 타깃 인스턴스가 "완전하다"고 특징지어질 수도 있다.
그리고 나서, 프로세스는 블록(210)으로 진행될 수 있으며, 여기서 타깃 속성 맵 모델은 완전한 타깃 인스턴스에 대응하는 맵 위치에서 갱신될 수 있다. 이 맵 갱신에 이어서, 블록(211)에서, 프로세스는 각각의 모델이 완전한지 여부를 판단할 수 있다. 특히, 주어진 위치에 대한 타깃 인스턴스의 수가 완전함을 위해 요구되는 소정의 인스턴스의 수보다 크면, 맵 위치는 "완전하다"고 특징지어질 수 있다. 전술된 바와 같이, 완전한 위치만이 문의를 처리하는데 이용될 수 있다.
도2에 따른 본 발명의 실시예들의 가능한 3개의 예시적인 구현예들은 알고리즘 구성요소(201, 206, 207 및 208)의 구현예에 있어서 상이할 수도 있다.
제1 구현예는 직접 이용가능한 타깃 속성에 대한 타깃 속성 맵을 제공하는데 있어서 유용할 수 있으며, 이러한 타깃 속성으로는 움직임의 폭, 높이, 크기, 방향 및 타깃 출입 영역이 있지만 이에 한정되지는 않는다. 이는 이 구현예의 상이한 인스턴스들을 다루기 위하여 블록(208)의 버퍼 갱신만을 수정함으로써 달성될 수도 있다.
제2 구현예는 복수의 타깃 속성의 기능에 대한 타깃 속성 맵을 제공하는데 있어서 유용할 수 있으며, 타깃 속성으로는 속도(위치 변화/시간 변화), 관성(위치 변화/타깃 크기), 가로세로비(aspect ratio)(타깃 폭/타깃 높이), 압축도(타깃 둘레/타깃 면적)가 있다. 여기서, 블록(201(맵 초기화) 및 208)은 본 실시예의 상이한 인스턴스를 다루도록 수정될 수도 있다.
제3 구현예는 각각의 타깃 자체의 히스토리의 정황에 있어서 현재의 타깃 속성을 모델링하는 타깃 속성 맵을 제공하는데 있어서 유용할 수 있다. 이 맵은 업스트림 구성요소를 개선하도록 도움을 줄 수 있고, 검출 장애 맵, 트랙커(tracker) 장애 맵 및 분류 장애 맵을 포함할 수도 있지만, 이에 한정되지는 않는다. 이러한 구현예는 본 구현예의 상이한 인스턴스를 다루도록 모듈(201, 206(타깃 인스턴스 필터링), 207(타깃 필터링) 및 208)에 대한 변화를 요구할 수도 있다.
도2와 관련하여 전술된 알고리즘은 타깃 속성 맵을 작성 및 유지하기 위해 이용될 수도 있다. 그러나, 타깃 속성 맵을 감시 시스템에 유용하도록 만들기 위하여, 타깃 속성 맵은 정보를 시스템에 제공할 수도 있어야 한다. 도3은 본 발명의 일실시예에 따라 정황 정보를 얻도록 타깃 속성 맵을 문의하기 위한 알고리즘을 도시한 흐름도이다.
도3의 알고리즘은 블록(31)에서 다음 타깃을 고려함으로써 시작될 수 있다. 그리고 나서, 알고리즘은 블록(32)으로 진행하여, 요구된 타깃 속성 맵이 정의되었는지 여부를 판단한다. 이 맵이 존재하지 않으면, 타깃에 관한 정보는 이용가능하지 않고, 프로세스는 블록(31)으로 돌아가며, 다음 타깃을 고려하게 된다.
요구된 타깃 속성이 이용가능한 것으로 판단되면, 프로세스는 블록(33)에서 다음 타깃 인스턴스를 고려할 수 있다. 블록(34)에서 이 인스턴스가 타깃이 완성되었다는 것을 나타내면, 프로세스는 블록(31)으로 돌아가서 다음 타깃을 고려하게 된다. 이는 현재의 모든 타깃 인스턴스가 고려된 경우이다. 타깃이 완성되지 않았다면, 프로세스는 블록(35)으로 진행할 수 있고, 고려 중의 타깃 인스턴스의 위치에서 타깃 속성 맵 모델이 완전해졌는지 여부를 판단할 수 있다. 모델이 완전하지 않으면, 프로세스는 블록(33)으로 돌아가서 다음 타깃 인스턴스를 고려하게 된다. 모델이 완전하면, 프로세스는 블록(36)으로 진행할 수 있고, 여기서 타깃 정황이 갱신될 수 있다. 타깃의 정황은 이 알고리즘에 의해 유지되는 타깃 속성 맵에 의하여 그 적합 정도를 기록함으로써 갱신된다. 블록(36)에 이어서, 프로세스는 블록(37)으로 진행할 수 있으며, 그 타깃 속성 정황에 기초하여 타깃의 정상 속성을 판단하게 된다. 각각의 타깃의 정황은, 타깃 속성 맵에 의해 예측되는 관측값 또는 행동과 일치하지 않는 방식으로 동작하는지 여부를 판단하기 위하여 유지된다. 마지막으로, 블록(37)에 이어서, 프로세스는 블록(31)으로 돌아갈 수 있으며, 다음 타깃을 고려하게 된다.
전술된 바와 같이, 본 발명의 몇몇 실시예들은 기계판독가능 매체 상의 소프트웨어 명령어의 형태로 실시될 수도 있다. 이러한 실시예가 도4에 도시되어 있다. 도4의 컴퓨터 시스템은, 예를 들어 동작 시스템 소프트웨어 등을 저장할 수도 있는 시스템 메모리(41)와 연관된 적어도 하나의 처리기(42)를 포함할 수도 있다. 시스템은 예를 들어 여러 애플리케이션을 실행하기 위한 소프트웨어 명령어를 포함할 수도 있는 추가의 메모리(43)를 더 포함할 수도 있다. 또한, 시스템은 하나 이상의 입출력(I/O) 장치(44)를 포함할 수도 있으며, 이는 예를 들어(이에 한정되지는 않음), 키보드, 마우스, 트랙볼, 프린터, 디스플레이, 네트워크 접속부 등이 있다. 본 발명은 시스템 메모리(41) 또는 추가의 메모리(43)에 저장되어 있을 수 있는 소프트웨어 명령어로서 실시될 수도 있다. 또한, 이러한 소프트웨어 명령어는 제거가능하거나 또는 원격의 매체(예를 들어, 콤팩트 디스크, 플로피 디스크 등이 있지만 이에 한정되지는 않음)에 저장되어 있을 수도 있으며, 이는 I/O 장치(44)(예를 들어, 플로피 디스크 드라이브가 있지만, 이에 한정되지는 않음)를 통하여 읽힐 수 있다. 또한, 소프트웨어 명령어는 I/O 장치(44), 예를 들어 네트워크 접속부를 통하여컴퓨터 시스템에 송신될 수도 있다. 이 경우, 소프트웨어 명령어를 포함하는 신호는 기계판독가능 매체가 되도록 고려될 수도 있다.
본 발명은 여러 실시예들에 관하여 상세히 설명되었고, 이제, 보다 넓은 양태의 본 발명으로부터 벗어나지 않고 변화 및 수정이 이루어질 수도 있다는 것이, 이 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 따라서, 본 발명은 첨부되는 청구범위에서 정의되는 바와 같이, 본 발명의 진정한 사상 내에서 모든 변화 및 수정을 포함하도록 의도된다.

Claims (19)

  1. 입력 비디오 시퀀스를 받아들이고 상기 입력 비디오 시퀀스에서의 하나 또는 그 이상의 타깃에 대한 정보를 출력하기 위한 업스트림 비디오 처리 장치(up-stream video processing device); 및
    상기 업스트림 비디오 처리 장치에 결합되어, 상기 출력 정보의 적어도 일부를 수신하고 적어도 하나의 타깃 속성 맵(target property map)을 작성하기 위한 타깃 속성 맵 작성기
    를 포함하는 비디오 처리 시스템.
  2. 제1항에 있어서,
    상기 업스트림 비디오 처리 장치는,
    상기 입력 비디오 시퀀스를 수신하기 위한 검출 장치;
    상기 검출 장치의 출력에 결합된 추적(traking) 장치; 및
    상기 추적 장치의 출력에 결합된 분류 장치 - 여기서, 상기 분류 장치의 출력은 상기 타깃 속성 맵 작성기의 입력에 결합되어 있음 - 를 포함하는
    비디오 처리 시스템.
  3. 제1항에 있어서,
    상기 타깃 속성 맵 작성기의 출력을 수신하고 하나 또는 그 이상의 검출된 이벤트를 출력하도록 결합된 이벤트 검출 장치
    를 더 포함하는 비디오 처리 시스템.
  4. 제3항에 있어서,
    상기 이벤트 검출 장치에 결합되어, 상기 이벤트 검출 장치에 하나 또는 그 이상의 중요한 이벤트를 제공하기 위한 이벤트 스펙 인터페이스(event specification interface)
    를 더 포함하는 비디오 처리 시스템.
  5. 제4항에 있어서,
    상기 이벤트 스펙 인터페이스는 그래픽 이용자 인터페이스를 포함하는
    비디오 처리 시스템.
  6. 제1항에 있어서,
    상기 타깃 속성 맵 작성기는 상기 업스트림 비디오 처리 장치에 피드백을 제공하는
    비디오 처리 시스템.
  7. 제1항에 있어서,
    상기 타깃 속성 맵 작성기는 적어도 하나의 버퍼를 포함하는
    비디오 처리 시스템.
  8. 비디오 처리 방법에 있어서,
    타깃 정보를 얻기 위하여, 입력 비디오 시퀀스를 처리하는 단계; 및
    상기 타깃 정보에 기초하여 적어도 하나의 타깃 속성 맵을 작성하는 단계
    를 포함하는 방법.
  9. 제8항에 있어서,
    상기 입력 비디오 시퀀스를 처리하는 단계는,
    적어도 하나의 타깃을 검출하는 단계;
    적어도 하나의 타깃을 추적하는 단계; 및
    적어도 하나의 타깃을 분류하는 단계를 포함하는
    방법.
  10. 제8항에 있어서,
    상기 적어도 하나의 타깃 속성 맵을 작성하는 단계는,
    주어진 타깃에 대하여, 적어도 하나의 타깃 인스턴스(instance of the target)를 고려하는 단계;
    상기 적어도 하나의 타깃 인스턴스를 필터링하는 단계; 및
    상기 적어도 하나의 타깃 인스턴스가 완전한지(mature) 여부를 판단하는 단계를 포함하는
    방법.
  11. 제10항에 있어서,
    상기 적어도 하나의 타깃 속성 맵을 작성하는 단계는, 적어도 하나의 타깃 인스턴스가 완전하면, 타깃 인스턴스가 완전한 적어도 하나의 위치에 대응하는 적어도 하나의 맵 모델을 갱신하는 단계를 더 포함하는
    방법.
  12. 제11항에 있어서,
    상기 적어도 하나의 타깃 속성 맵을 작성하는 단계는, 상기 적어도 하나의 타깃 속성 맵의 일부를 형성하는 적어도 하나의 모델이 완전한지 여부를 판단하는 단계를 더 포함하는
    방법.
  13. 제8항에 있어서,
    상기 적어도 하나의 타깃 속성 맵에 기초하여 적어도 하나의 이벤트를 검출하는 단계
    를 더 포함하는 방법.
  14. 제13항에 있어서,
    상기 적어도 하나의 이벤트를 검출하는 단계는, 주어진 타깃에 대하여, 상기 적어도 하나의 타깃 속성 맵의 적어도 하나의 속성과 타깃의 적어도 하나의 속성을 비교하는 단계를 포함하는
    방법.
  15. 제14항에 있어서,
    상기 비교하는 단계는 이용자-정의 비교 기준을 이용하는 단계를 포함하는
    방법.
  16. 제13항에 있어서,
    이벤트 검출을 위한 적어도 하나의 이용자-정의 기준을 얻는 단계
    를 더 포함하는 방법.
  17. 프로세서에 의해 실행되면, 프로세서로 하여금 제8항에 기재된 방법을 수행하도록 야기하는 명령어
    를 포함하는 컴퓨터판독가능 매체.
  18. 컴퓨터 시스템; 및
    제17항에 기재된 컴퓨터판독가능 매체
    를 포함하는 비디오 처리 시스템.
  19. 입력 비디오 시퀀스를 발생시키기 위한 적어도 하나의 카메라; 및
    제18항에 기재된 비디오 처리 시스템
    을 포함하는 비디오 감시 시스템.
KR1020077009240A 2004-09-24 2005-09-22 감시 시스템을 위한 타깃 속성 맵 KR20070053358A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/948,785 US20060072010A1 (en) 2004-09-24 2004-09-24 Target property maps for surveillance systems
US10/948,785 2004-09-24

Publications (1)

Publication Number Publication Date
KR20070053358A true KR20070053358A (ko) 2007-05-23

Family

ID=36119454

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020077009240A KR20070053358A (ko) 2004-09-24 2005-09-22 감시 시스템을 위한 타깃 속성 맵

Country Status (9)

Country Link
US (1) US20060072010A1 (ko)
EP (1) EP1800482A2 (ko)
JP (1) JP2008515286A (ko)
KR (1) KR20070053358A (ko)
CN (1) CN101065968A (ko)
CA (1) CA2583425A1 (ko)
IL (1) IL182174A0 (ko)
MX (1) MX2007003570A (ko)
WO (1) WO2006036805A2 (ko)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080166015A1 (en) 2004-09-24 2008-07-10 Object Video, Inc. Method for finding paths in video
US9158975B2 (en) * 2005-05-31 2015-10-13 Avigilon Fortress Corporation Video analytics for retail business process monitoring
US20080074496A1 (en) * 2006-09-22 2008-03-27 Object Video, Inc. Video analytics for banking business process monitoring
US20080273754A1 (en) * 2007-05-04 2008-11-06 Leviton Manufacturing Co., Inc. Apparatus and method for defining an area of interest for image sensing
US7822275B2 (en) * 2007-06-04 2010-10-26 Objectvideo, Inc. Method for detecting water regions in video
US9858580B2 (en) 2007-11-07 2018-01-02 Martin S. Lyons Enhanced method of presenting multiple casino video games
EP2093636A1 (en) * 2008-02-21 2009-08-26 Siemens Aktiengesellschaft Method for controlling an alarm management system
US8428310B2 (en) * 2008-02-28 2013-04-23 Adt Services Gmbh Pattern classification system and method for collective learning
US9019381B2 (en) * 2008-05-09 2015-04-28 Intuvision Inc. Video tracking systems and methods employing cognitive vision
JP5239744B2 (ja) * 2008-10-27 2013-07-17 ソニー株式会社 番組送出装置、スイッチャ制御方法およびコンピュータプログラム
US8429016B2 (en) * 2008-10-31 2013-04-23 International Business Machines Corporation Generating an alert based on absence of a given person in a transaction
US8345101B2 (en) * 2008-10-31 2013-01-01 International Business Machines Corporation Automatically calibrating regions of interest for video surveillance
US8612286B2 (en) * 2008-10-31 2013-12-17 International Business Machines Corporation Creating a training tool
JP4905474B2 (ja) * 2009-02-04 2012-03-28 ソニー株式会社 映像処理装置、映像処理方法及びプログラム
US9749823B2 (en) * 2009-12-11 2017-08-29 Mentis Services France Providing city services using mobile devices and a sensor network
WO2011071548A1 (en) 2009-12-11 2011-06-16 Jean-Louis Fiorucci Providing city services using mobile devices and a sensor network
CN104641630B (zh) * 2012-05-23 2018-11-20 杭州阿尔法红外检测技术有限公司 热像记录装置和热像记录方法
CN109413346B (zh) * 2012-05-23 2021-01-26 杭州阿尔法红外检测技术有限公司 热像摄影装置和热像摄影方法
CN103458176B (zh) * 2012-05-23 2018-05-22 杭州阿尔法红外检测技术有限公司 热像拍摄装置和热像拍摄方法
JP6362893B2 (ja) * 2014-03-20 2018-07-25 株式会社東芝 モデル更新装置及びモデル更新方法
WO2015166612A1 (ja) * 2014-04-28 2015-11-05 日本電気株式会社 映像解析システム、映像解析方法および映像解析プログラム
CN113763088A (zh) * 2020-09-28 2021-12-07 北京沃东天骏信息技术有限公司 物品属性图的生成的方法和装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5402167A (en) * 1993-05-13 1995-03-28 Cornell Research Foundation, Inc. Protective surveillance system
US5969755A (en) * 1996-02-05 1999-10-19 Texas Instruments Incorporated Motion based event detection system and method
JPH10150656A (ja) * 1996-09-20 1998-06-02 Hitachi Ltd 画像処理装置及び侵入者監視装置
US5845009A (en) * 1997-03-21 1998-12-01 Autodesk, Inc. Object tracking system using statistical modeling and geometric relationship
US6185314B1 (en) * 1997-06-19 2001-02-06 Ncr Corporation System and method for matching image information to object model information
JP2000059758A (ja) * 1998-08-05 2000-02-25 Matsushita Electric Ind Co Ltd 監視カメラ装置、監視装置、及びこれらを用いた遠隔監視システム
US6674877B1 (en) * 2000-02-03 2004-01-06 Microsoft Corporation System and method for visually tracking occluded objects in real time
US7035430B2 (en) * 2000-10-31 2006-04-25 Hitachi Kokusai Electric Inc. Intruding object detection method and intruding object monitor apparatus which automatically set a threshold for object detection
US20020163577A1 (en) * 2001-05-07 2002-11-07 Comtrak Technologies, Inc. Event detection in a video recording system
US7167519B2 (en) * 2001-12-20 2007-01-23 Siemens Corporate Research, Inc. Real-time video object generation for smart cameras
JP2003219225A (ja) * 2002-01-25 2003-07-31 Nippon Micro Systems Kk 動体画像監視装置
US6940540B2 (en) * 2002-06-27 2005-09-06 Microsoft Corporation Speaker detection and tracking using audiovisual data

Also Published As

Publication number Publication date
EP1800482A2 (en) 2007-06-27
US20060072010A1 (en) 2006-04-06
IL182174A0 (en) 2007-07-24
JP2008515286A (ja) 2008-05-08
CA2583425A1 (en) 2006-04-06
MX2007003570A (es) 2007-06-05
CN101065968A (zh) 2007-10-31
WO2006036805A2 (en) 2006-04-06
WO2006036805A3 (en) 2007-03-01

Similar Documents

Publication Publication Date Title
KR20070053358A (ko) 감시 시스템을 위한 타깃 속성 맵
US10929680B2 (en) Automatic extraction of secondary video streams
Fan et al. Heterogeneous information fusion and visualization for a large-scale intelligent video surveillance system
US9363487B2 (en) Scanning camera-based video surveillance system
JP4673849B2 (ja) 複数のイメージセンサ間における視野関係を決定するためのコンピュータ化された方法及び装置
US7751647B2 (en) System and method for detecting an invalid camera in video surveillance
US8823804B2 (en) Method for finding paths in video
US7613322B2 (en) Periodic motion detection with applications to multi-grabbing
WO2006036578A2 (en) Method for finding paths in video
US8705861B2 (en) Context processor for video analysis system
US7822275B2 (en) Method for detecting water regions in video
US20070058717A1 (en) Enhanced processing for scanning video
MX2007016406A (es) Deteccion y rastreo de objetivo a partir de flujos de video aereos.
US20100165112A1 (en) Automatic extraction of secondary video streams
US20080317286A1 (en) Security device and system
KR101513180B1 (ko) 감시카메라 영상을 이용한 실시간 결제 이벤트 요약 시스템 및 그 방법
CN109544589A (zh) 一种视频图像分析方法及其系统
WO2023192996A1 (en) Few-shot anomaly detection
Siriwardena A Design for an Early Warning and Response System to Identify Potential Shoplifters for Cargills Supermarket

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid