KR20120116882A - Ｉｒ 이미지 내 객체들의 수 결정 - Google Patents

Ｉｒ 이미지 내 객체들의 수 결정 Download PDF

Info

Publication number
KR20120116882A
KR20120116882A KR1020120038094A KR20120038094A KR20120116882A KR 20120116882 A KR20120116882 A KR 20120116882A KR 1020120038094 A KR1020120038094 A KR 1020120038094A KR 20120038094 A KR20120038094 A KR 20120038094A KR 20120116882 A KR20120116882 A KR 20120116882A
Authority
KR
South Korea
Prior art keywords
intensity
reflectance
sensing device
correlation
illuminator
Prior art date
Application number
KR1020120038094A
Other languages
English (en)
Other versions
KR101924647B1 (ko
Inventor
야오 롱 왕
지강 판
라리트 케이. 메스사
Original Assignee
제록스 코포레이션
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 제록스 코포레이션 filed Critical 제록스 코포레이션
Publication of KR20120116882A publication Critical patent/KR20120116882A/ko
Application granted granted Critical
Publication of KR101924647B1 publication Critical patent/KR101924647B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/58—Extraction of image or video features relating to hyperspectral data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

본 발명은 IR 이미징 시스템에 의해 얻어진 IR 이미지 내 객체들의 수를 결정하는 방법을 제공하는 것으로, 상기 방법은: IR 이미지 내 각 픽셀에 대한 총 N개의 강도값들을 수집하는 단계로서, 상기 강도값들은 IR 감지 디바이스와 IR 조명기를 포함한 IR 이미징 시스템을 이용하여 수집되는 단계; 공지의 복수 물질들에 대해 추정된 강도값들을 데이터베이스로부터 검색하는 단계; 최적합 반사율 방법 및 상관법 중 하나를 이용하여, 상기 IR 이미지 내 각 픽셀에 대한 분류를 결정하는 단계; 상기 픽셀 분류에 기초하여 상기 IR 이미지 내 객체들의 총수를 결정하는 단계를 포함한다.

Description

ＩＲ 이미지 내 객체들의 수 결정{DETERMINING A NUMBER OF OBJECTS IN AN IR IMAGE}
본 발명은 적외선 카메라 시스템을 이용하여 다대역 IR 이미지(multiband infrared image)를 획득하고, 그리고 당해 IR 이미지 내 객체들의 총수를 결정하는 시스템 및 방법에 관한 것이다.
상업적으로 이용할 수 있는 여러 상용 얼굴 인식 시스템(Commercial Face Recognition System; FRS)들이 다수 있다. 그러나 이러한 시스템들의 대부분은 얼굴 위치가 카메라 앞에 있어야 하고 좋은 조명을 필요로 한다. 이러한 조건들은 얼굴 인식이 필요하거나 요구되는 곳에서 종종 이용할 수 없다. 많은 실질적인 상황에서, 예를 들어 차로 주행 중인 경우, 적외선 카메라 앞을 지나가는 동안, 감지 및 인식용 추적을 받는 피사체는 움직인다. 또한, 피사체의 조명이 불충분하기도 하다. 이 분야에서, 적외선 카메라를 이용하여 캡쳐된 이미지 내 객체들의 수를 결정하는 방법이 필요하다.
개시된 것은 IR 이미지 내 객체들의 수를 결정하는 새로운 시스템 및 방법이다. 본 발명의 시스템 및 방법은 주변의 배경으로부터 객체를 분리하는 수단을 제공한다. 이러한 시스템은 다수의 실제 어플리케이션들에서, 예를 들어 HOV/HOT 차선에서 주행하는 차량 내에서 탑승자들의 수, 또는 보안 카메라에 의해 캡쳐된 이미지 내에서 탑승자들의 수를 결정하는데 이용된다는 것을 알 수 있다.
일례의 실시예에서, 본 발명의 시스템 및 방법은 다음을 포함한다. 첫째, IR 이미징 시스템을 이용하여, 총 N개의 강도값들(intensity value)이 IR 이미지 내의 각 픽셀에 대해 수집된다. 강도값들이 수집된 후, IR 이미지 내의 각 픽셀은 분류화가 당해 픽셀에 대해 결정되도록 프로세스된다. 일 실시예에서, 강도값들은 예를 들어 머리카락과 피부와 같이 공지의 많은 물질들에 대해 추정된 반사율을 이용하여 계산된다. 그 다음, 픽셀 강도는 계산된 강도값과 비교되고, 픽셀은 최적합 반사율(best fitting reflectance)에 기초하여 분류된다. 다른 실시예에서, 상관 계수는 각 픽셀의 강도값과 검색된 강도값들의 사이에서 계산된다. 그 다음 픽셀은 상관 계수의 양에 기초하여 분류된다. 픽셀이 분류되고 나면, IR 이미지 내 객체들의 총수는 픽셀의 분류에 기초하여 결정될 수 있다.
본 발명에 의하면, 적외선 카메라 시스템을 이용하여 다대역 IR 이미지를 획득하고, 그리고 당해 IR 이미지 내 객체들의 총수를 결정하는 시스템 및 방법을 제공할 수 있다.
도 1은 본 발명의 개시 내용(teaching)에 따른 차량 탑승 감지 시스템의 예를 나타낸다.
도 2는 차량 내 탑승자의 수를 결정하기 위한 실시예의 방향으로 지향된 본 발명 방법 실시의 일례를 나타낸다.
도 3 내지 도 9는 각종 실시예들에서 이용하기에 적합한 IR LED의 상대 방사 강도(relative radiant intensity)를 나타낸다.
도 10은 η＝0인 3?대역(band) 및 4?대역 시스템에 대한 상관 계수들을 나타낸다.
도 11은 η＝0.05인 3?대역 및 4?대역 시스템에 대한 상관 계수들을 나타낸다.
도 12는 η＝0이고 20%의 화이트 노이즈를 가지는 3?대역 및 4?대역 시스템에 대한 상관 계수들의 테이블을 나타낸다.
도 13은 도 2의 플로우 다이어그램에 대해 도시 및 설명된 바와 같이 본 발명 방법의 다양한 양태들을 구현할 수 있는 시스템 일례의 블록 다이어그램을 나타낸다.
개시된 것은 IR 이미징 시스템을 이용하여 얻은 IR 이미지 내 객체들의 수를 결정하는 새로운 시스템 및 방법이다.
"픽셀"은 이미지에서 어드레스 가능한(addressable) 가장 작은 구성요소이다. 각 픽셀은 자체 어드레스를 가지고 있다. 픽셀은 일반적으로 격자로 배열된다. 각 픽셀의 강도는 변화하고, 당해 픽셀을 측정하는데 이용되는 감지 디바이스의 특성과 감도에 따라 달라진다. 카메라의 해상도는 실질적으로 픽셀의 크기이다. 픽셀들이 작아질수록, 즉 이미지에 삽입되는 픽셀들이 많아질수록, 보다 우수한 선명도(definition)를 제공한다.
"IR 이미지"는 피조사된 샘플로부터 반사되어 감지된 IR 광을 가지는 IR 감지 디바이스로부터 얻은 이미지이다. 완전히 형성된(fully-populated) IR 이미지는 관찰 대상의 원하는 스펙트럼 대역 각각에서 강도값을 각각 가지는 픽셀들로 이루어진다. 적외선(IR)광은 0.7과 300마이크로미터 사이의 파장을 가진 전자기 방사선이다. IR 범위의 상부 말단 파장이 정확하게 설정되지 않은 점을 주의한다. 이것은 1과 430THz 사이의 주파수 범위와 동등하다. IR 파장은 가시광의 파장보다 길지만, 전자파보다 짧다. 밝은 태양광은 해수면의 m2 당 약 1kw의 방사를 제공한다. 이 에너지에 있어서, 527w는 적외선이고, 445w는 가시광이고, 32w는 자외선이다. 활성 적외선에서는 카메라가 인간의 눈에 보이지 않는 적외선 파장으로 장면을 조명한다. 적외선 에너지는 감마선, X?레이, 자외선, 가시광의 협소한 영역, 적외선, 테라헤르츠(terahertz) 파동, 마이크로파, 및 무선파로부터의 방사선을 포괄하는 전자기 스펙트럼의 일부일 뿐이다. 이들은 모두 관련되고, 이들 파장의 길이에 차이가 있다. 여기서의 각종 실시 형태들은 전체 저반사 적외선(LRIR) 대역(즉,
Figure pat00001
800?1400 나노미터)을 이용한다. LRIR은 당해 주파수 대역에 민감한 멀티?대역 이미징(MBI) 디바이스로 감지되고, 흑백 사진과 유사한 이미지를 제공한다. 그 위는 반사 적외선(URIR) 대역(즉,
Figure pat00002
1400?2200 나노미터)이다. URIR 감지 이미지는 인간의 육체가 무생물과 동일한 방식으로 IR을 반사하지 않는다는 점에서 LRIR 감지 이미지와는 다르다. 하위 및 상위 IR 대역은 반사형이기 때문에, 장면은 조명 공급원을 필요로 한다. 이러한 조명은 가시적일 필요는 없고 따라서 인간에게 혼란을 주지 않을 것이다. 낮 시간에는 충분한 IR 조명이 일상의 태양광에 의해 제공되기 때문에, LRIR 및 URIR 조명이 필요 없다.
"IR 조명기"는 광원이다. 조명 레벨은 구동 전류를 변동시키는 것에 의해 제어된다. 예를 들어, LED의 광 출력은 전류로 선형적으로 변한다. 시간?순차 방식 또는 동시에 IR 조명 가능한 LED 어레이는 공지되어 있다.
"IR 이미징 시스템"은, 대상 객체로부터 반사된 IR 광을 캡쳐하고, 이를 구성요소의 파장으로 분리하고, 대상의 IR 이미지를 출력하도록 설게된 장치이다. 이러한 시스템은 IR 감지기(예를 들어 IR 카메라) 및 IR 조명기를 가진다. 일례의 IR 감지 시스템이 도 3에 도시된다. IR 이미징 시스템은 단일 IR 감지 디바이스와 하나의 고정 필터를 가진 순차 조명형 N?대역 조명기(N≥3)(또는 개별의 대역 패스 필터를 각각 가지는 N개의 감지 디바이스(N≥3) 전체를 포함), 및 하나의 조명 공급원일 수 있다.
이제, 차량 탑승자 감지 시스템의 예를 나타내는 도 1을 참조한다.
도 1에서, 대상 차량(100)은 HOV 차선(104)을 따라 방향 벡터(103)로 표시된 운동 방향으로 속도 υ로 주행하는 탑승자를 포함한다. 선(104) 위에 원하는 거리 d 내에 위치된 것은 신호등에 이용된 것과 유사한 관형 구조를 포함하는 지지 아암(support arm; 105)이다. 아암(105)에 고정된 것은 리모트 디바이스와의 통신을 위한 전송 구성요소(108)를 가진 IR 감지 시스템(107)과, IR 조명 장치(109)이다. 감지 디바이스(107)는 망원 렌즈, 대역-통과 필터, 및 섬광 효과를 감소시키는 편광 렌즈가 장착된 카메라를 포함한다. 낮 시간의 작동 동안에는 태양에 의한 조명이 충분하다. IR 조명기(109)는 대상 차량과 그 안의 내용물로부터 감지기(207)에 다시 반사되는 하나 이상의 파장으로 IR 방사선을 방사한다. IR 감지 시스템(107)은 IR 이미지 및/또는 IR 이미지 내의 각 픽셀과 결부된 강도값들을, 다음에 설명하는 방식으로 추가 프로세싱하기 위해 컴퓨팅 디바이스에 전송한다.
이제, 차량 내 객체들의 수를 결정하기 위한 본 발명 방법의 실시 일례를 나타내는 도 5의 플로우 다이어그램를 참조한다. 이 실시예는 교통 관리 시스템의 맥락에서 논의되고 있지만, IR 이미지 시스템을 이용하여 얻은 IR 이미지 내 객체들의 수를 결정하는 것이 다수의 시스템들에서 본 발명의 개시 내용이다. 이러한 실시 형태들은 첨부한 청구 범위의 사상 내에 있도록 구성된다. 플로우 프로세싱은 단계 200에서 시작하여 바로 단계 202로 진행한다.
단계 202에서, 총 N개의 강도값들은 IR 이미지 내의 각 픽셀에 대해 수집된다. 각 픽셀에 대한 강도값들은 도 1의 IR 이미징 시스템의 일례를 이용하여 반사된 IR 광원들부터 수집된다. IR 이미지 및/또는 각 픽셀에 대한 강도값들은 다양한 실시 형태들과 결부된 추가 프로세싱을 위한 컴퓨터 워크스테이션이나 특수 목적의 컴퓨터 시스템에 제공된다. 다음에, 공기 중의 IR 감쇄와 적분 시간(integration time)이 모든 대역에 대해서 동일하다고 가정한다. 동일하지 않다면, 이들 인수들은 적절히 조정되어야 한다.
IR 감지 디바이스가 단일 IR 감지 디바이스라면, IR 조명기는 하나의 고정된 필터를 가진 순차 조명형 N?대역 조명기(N≥3)이고, 그 강도값은:
Figure pat00003
로 이루어진다.
여기서 i＝1...N이고, i는 순차적으로 조명하는 조명기로부터의 ith(i번째) IR이고,
Figure pat00004
는 조명 공급원으로부터의 각도와 거리, 공기 중 IR파의 감쇄, 및 감지 디바이스의 적분 시간에 따라 달라지는 상수이고,
Figure pat00005
는 광원의 ith 대역의 강도이고, Ib는 태양광의 IR 구성요소로부터의 강도와 같은 배경광원으로부터의 강도이고, RO(λ)는 차량 내부 객체의 반사율이고, RG(λ) 및 TG(λ)는 글래스의 반사율 및 투과율이고, 상수 η는 차량 글래스로부터 반사되고 감지기에 의해 수취된 조명기로부터의 광 비율의 양이고, TL(λ)는 고정 필터의 투과율이고, D(λ)는 감지 디바이스의 반응도(responsivity)이다.
IR 감지 디바이스가 N개의 대역 패스 필터(N≥3)를 가진 N개의 감지 디바이스인 경우, IR 조명기는 필터들의 파장 범위를 커버하는 하나의 조명기를 가지고, 강도값은:
Figure pat00006
로 이루어진다.
여기서 i＝1...N이고, i는 순차적으로 조명하는 조명기로부터의 ith IR이고,
Figure pat00007
는 조명 공급원으로부터의 각도와 거리, 공기 중 IR파의 감쇄, 및 감지 디바이스의 적분 시간에 따라 달라지는 상수이고, Is(λ)는 광원의 강도이고, Ib는 배경 강도이고, RO(λ)는 차량 내부 객체의 반사율이고, RG(λ) 및 TG(λ)는 글래스의 반사율 및 투과율이다. 상수 η는 차량 글래스로부터 반사된 조명기로부터의 광 비율의 양이고,
Figure pat00008
는 ith 필터의 투과율이고, D(λ)는 감지 디바이스의 반응도이다. 모든 픽셀 강도값들은 당해 픽셀에 대해 하나 이상의 새로운 강도값들을 생성하기 위해 결합되고, 또한 그에 맞춰 프로세스된다.
단계 204에서, IR 이미지의 첫번째 픽셀이 프로세스를 위해 검색된다. 그 첫번째 픽셀은 프로세서에 의해 자동으로 선택되거나, 본 발명 방법의 각종 양태들이 실행되도록 이루어진 컴퓨터 워크스테이션과 결부된 그래픽 이용자 인터페이스(예를 들어 키보드, 마우스 및 모니터)를 이용하여 이용자에 의해 식별된다. 이용자는 수취한 IR 이미지의 첫번째 영역과, IR 이미지의 다른 부분들의 앞부분에 프로세스된 이미지의 선택된 에어리어 내에서 픽셀의 일부 또는 전부를 선택한다. 이 선택에 따라 움직이는 차량의 하나 이상의 IR 이미지들이 프로세싱을 위해 캡쳐될 수 있다.
단계 206에서, 최적합 반사율 방법 또는 상관법(correlation method) 중 하나에 따라 분류된다. 이 상관법에서, 공지의 복수 물질들에 대해 추정된 강도값들은 저장 디바이스로부터 또는 네트워크 연결을 통해 리모트 디바이스로부터 검색된다. 상관 계수는 픽셀의 강도값과 검색된 강도값들 사이에서 계산된다. 그 다음 픽셀은 픽셀의 강도값들과 공지의 물질들에 대한 강도값들 사이에서 계산된 상관에 기초하여 분류된다. 일 실시예에서, 상관 계수는:
Figure pat00009
로 이루어진다.
ΔIcm(i)＝Icm(i)?Im은 측정된 강도차이고, ΔIcs(i)＝Ics(i)?Is는 계산된 강도차이고, Is는 Im의 계산된 대응도(correspondence)이고, 고유의 반사율을 가지는 이 계산된 강도가 측정된 강도 내의 객체와 일치하면, 이 상관은 높아지고(1에 근접), 그 외의 경우 상관은 작아질 것이다(0 또는 음수에 근접).
최적합 반사율 방법에서, 공지의 복수 물질들에 대해 추정된 반사율값들은 저장 디바이스로부터 또는 네트워크를 통해 리모트 디바이스로부터 검색된다. 강도값들은 검색된 반사율을 이용하여 이러한 공지의 물질에 대해 계산된다. 그 다음 현재 픽셀의 강도값은 공지의 물질들에 대해 계산된 강도값과 비교되고, 픽셀은 최적합 반사율에 기초하여 분류된다.
단계 208에서, 현재 픽셀이 분류되고 나면, 프로세스될 더 이상의 픽셀이 남았는지에 대한 결정이 이루어진다. 그 다음 단계 204에 대해 프로세스를 반복하면, 다음 픽셀이 검색, 선택되거나, 그렇지 않으면 프로세스를 위해 식별된다. IR 이미지 내 모든 원하는 픽셀이 프로세스될 때까지 프로세싱 반복한다.
그 다음 단계 218에서 차량 내 객체들의 총수는 픽셀의 분류에 기초하여 결정된다. 그 후 IR 이미지의 추가 프로세싱은 이 실시예에서 종료된다.
이미지 내 픽셀들이 주변의 비-인간 객체들로부터 분리될 수 있기 때문에, 뉴럴 네트워크나 퍼지 로직은 차량 내 (생물 또는 무생물) 객체들 수의 결정을 용이하게 하기 위해 채택될 수 있다. 일 실시예에서, 이미징 시스템이 대상 차량을 촬영해서 얻은 하나 이상의 IR 이미지 각각에서 식별된 인간들을 공간적으로 분리하고, 객체들의 수를 카운팅하는 것에 의해 객체 수의 결정이 이루어진다. 예를 들어, 이동 차량의 전면을 향하게 하여 전면 승객실의 이미지를 캡쳐하는 카메라와, 각각이 차량의 각 측면을 향하게 하여 차량의 승객 및 운전자측의 이미지를 캡쳐하는 카메라들과 같이, 3개의 IR 카메라들이 채택되는 경우, 이미지들 각각은 객체들이 존재하는지를 결정하기 위해 분석될 수 있다. 구현의 일례에서, 차량의 탑승자 수가 HOV 차선 내의 주행이 제한되는 낮 시간 동안 미리 정해진 숫자를 초과하면, 차량의 태그 식별 기술을 이용하여 차량 번호판이 자동으로 캡쳐될 수 있고, 식별된 번호판 번호를 가진 차량이 요구된 탑승자 수가 아닌 수로 HOV 선을 이용하고 있음을 나타내는 신호가 교통 집행 기관에 전송된다.
여기에 도시된 플로우 다이어그램이 예시적임을 알 수 있다. 모든 플로우 다이어그램에 도시된 하나 이상의 동작형 단계들은 다른 순서로 실행될 수 있다. 다른 동작들은 예를 들어, 추가, 변형, 강화, 농축, 통합, 또는 이 단계들과 합쳐진 것이다. 이러한 변화는 청구 범위의 사상 내에 있도록 이루어진 것이다. 플로우 다이어그램 전체 또는 일부는 기계 실행 지시와 결합하여 부분적으로 또는 전체적으로 구현된다.
4개 대역 조명기 시스템이 이용됐다. 이용된 LED는 피크 파장이 940nm, 1070nm, 1200nm, 및 1550nm이었다. LED에 대한 파워 스펙트럼은 도 3?9에 도시되어 있다. 근접 적외선(NIR) LED는 시장에서 이미 활용되고 있다. 이러한 LED는 예를 들어 GaAs 또는 InGaAsP와 같은 다양한 반도체로 이루어지고, 피크 파장이 가시(>730nm)에 가까운 곳에서부터 시작하여 단파장 적외선(>2000nm)까지이다. 도 3?9는 피크 파장이 810nm 내지 1600nm 사이의 범위인 InGaAsP로 이루어진 복수의 적외선 LED의 스펙트럼을 나타낸다. 이러한 LED는 방사 전력이 수mW 내지 45mW 사이로 높은, 우수한 방사 전력을 가지고 있다. 하나는 동일한 피크 파장을 가지는 많은 LED와 함께 번들(bundle)되어 집단 또는 그룹화될 수 있다. 이러한 연구는 각 LED 조명기가 동등한 전력(그 외의 경우 다음 테이블에서 비율이 조정될 수 있음)이 주어진 것으로 가정한다. 인간의 피부를 포함한 다양한 물질들의 반사율과 윈도우의 투과율은 많은 출판 문서에서 이용할 수 있다. IR 감지 카메라가 상업적으로 이용 가능하여, 900nm 내지 1700nm의 이미지를 캡쳐한다. 식 (3)의 상관 계수를 이용한 결과가 도 10 및 도 11의 테이블에 도시되어 있다. 용어 'C123'은 대역 1((피크 파장 940nm), 대역 2(1070nm), 및 대역 3(1200nm)만을 가지는 순차 조명기에서의 상관 계수를 의미한다. 다른 3-대역 상관 계수들에 대한 표기법도 유사하다. 용어 'C4'는 모든 4-대역들을 이용하는 상관 계수를 의미한다. 도 10의 테이블은 η＝0인 상관 계수를 나타낸다. 도 10의 테이블로부터, 3개 대역 조합들과 4-대역 시스템의 대부분이 3-대역 조합 1, 2, 3을 제외하고 (부정 상관 계수들 또는 작은 긍정) 작용한다는 것을 알 수 있다. 도 11의 테이블은 η＝0.05인 상관 계수를 나타낸다. 알 수 있는 바와 같이, 다른 물질들과 함께 피부를 분리하는 퀄러티(quality)는 η＝0인 경우에서부터 감소한다. 그러나 오염된 글래스와 어두운 피부를 제외하고, C234 조합 및 4-대역 시스템은 다른 물질들로부터 피부를 분리하기에 여전히 합리적으로 탁월하다. 견고성(robustness)을 추가 테스트하기 위해, '측정된' 강도에 화이트 노이즈의 20%를 추가한 다음, 다시 상술한 상관을 테스트했다. 그 결과가 도 12의 테이블에 도시되어 있다. 그것은 C234 3-대역 및 4-대역 카메라 시스템에 대해서 명백하며, 분류 방법은 노이즈의 그 레벨에서 강력하다는 것이 분명하다.
이제, 도 2의 플로우 다이어그램에 대해서 도시 및 설명한 본 발명 방법의 다양한 양태들을 구현할 수 있는 프로세싱 시스템 일례의 블록 다이어그램를 나타내는 도 13을 참조한다.
도 13의 실시 형태는 도 1의 IR 감지 디바이스(107)의 안테나(108)로부터 픽셀의 강도값들을 수취하고, 컴퓨터(1304)와 감지 디바이스(108) 사이에서 양방향 통신을 활성화시키기 위한 IR 이미지 수신기(1302)와 통신하는 워크스테이션(1304)을 포함한 것을 나타낸다. 컴퓨터(1304)는 모니터(1303)와, 이용자를 위한 정보 디스플레이를 가능하게 하고 이용자 입력이나 선택을 활성화시키기 위한 이용자 인터페이스(1305)를 가진다. 또한 컴퓨터(1304)는 네트워크 통신 인터페이스(미도시)를 통해 네트워크(1301)와 통신한다. 캡쳐된 IR 이미지의 다양한 부분들 및/또는 픽셀 강도값들은 워크스테이션(1304)의 메모리 또는 저장 디바이스 내부에 저장되고, 저장 또는 추가 프로세싱을 위해 네트워크(1303) 상에서 리모트 디바이스와 통신한다. 이용자는 그래픽 이용자 인터페이스, 예를 들어 키보드와 모니터를 이용하여, 프로세싱하기 위해 IR 이미지의 픽셀 및/또는 영역을 식별 또는 선택하거나, 여기서 그 구현을 위해 요구된 다른 이용자 입력을 제공한다. 수취된 IR 이미지 데이터 내에서 식별됐거나 또는 감지된 관찰 대상의 픽셀 및/또는 영역은 네트워크(1301) 상에서 이미지 프로세싱 시스템과 같이, 리모트 디바이스로부터 검색된다. 데스크탑 컴퓨터(1304) 및 리시버(1302)는 이미지 프로세서(1306)와 통신한다.
이미지 프로세서(1306)는 예를 들어, 픽셀 프로세싱을 위해 선택됐거나 또는 식별된 이미지 내 관찰 대상의 영역 등과 같은, 수취된 IR 이미지와 관련한 정보를 큐잉(queuing)시키기 위한 버퍼(1307)를 포한한 것으로 도시된다. 버퍼(1307)는 검색된 데이터와 수학적 수식 및 표현들을 추가로 저장하여, 상술한 방식으로 페이지들 및 페이지들의 그룹들을 프로세스하도록 한다. 강도 계산기(1308)는 요구된 계산들을 실행하는데 필요한 변수들에 대한 데이터 및 정보를 워크스테이션(1304)으로부터 수취한다. 픽셀 식별자 모듈(1309)은 단계 204에 관해 상술한 바와 같이, 프로세스될 현재 픽셀을 식별한다. 모듈(1309)은 이용자에 대해 디스플레이를 제공하여, 디스플레이된 IR 이미지 내의 픽셀(그 다음에 프로세스될 픽셀)을 선택하도록, 모니터(1303)와 통신한다. 이용자는 프로세싱을 위해 디스플레이된 IR 이미지의 일부 또는 전체를 선택한다. 다른 실시 형태들에서, 이미지는 자동으로 프로세스되고, 이러한 실시 형태들은 첨부한 청구 범위의 사상 내에 있도록 이루어진 것임을 이해해야 한다. 픽셀 분류 모듈(1310)은 현재 픽셀에 대해 픽셀의 강도값들을 얻기 위해 강도 모듈(1308)과 통신하는 메모리를 가진 프로세서이고, 본 방법의 구현에 따라, 상관 계수 및 반사율값들이나 그 반사율값들로부터의 문턱값들 및 최적합 반사율을 생성하고, 그 결과들을 저장 디바이스(1311)에 저장한다. 채택된 본 방법에 기초하여, 픽셀이 분류된다. 모듈(1308)은 모듈(1310)에 의한 검색을 위해 값들을 저장 디바이스(1311)에/저장 디바이스(1311)로부터 추가 저장/검색한다. 객체 식별 모듈(1312)은 모듈(1310)로부터 분류된 픽셀을 수취하고, 분류에 기초하여 픽셀을 식별한다. 이러한 픽셀의 분류는 저장 디바이스(1311)에 저장된다.
도 13의 모듈들 및 프로세싱 유닛들은 도시 또는 미도시된 경로를 통해 저장 디바이스(1311)와 통신하고, 저장/검색 데이터, 파라미터값들, 함수들, 페이지들, 레코드들, 데이터, 및 이들의 의도된 함수들을 실행하는데 필요한 기계 판독 가능/실행 가능 프로그램이라는 것을 이해해야 한다. 또한 이들 모듈들 각각은 경로(미도시)들을 통해 워크스테이션(1304)과 통신하고, 추가로 네트워크(1301) 상에서 하나 이상의 리모트 디바이스들과 통신한다. 이 모듈들 모두에 대한 기능의 일부 또는 전체가 워크스테이션(1304)의 내부 구성요소 또는 특수 목적의 컴퓨터 시스템에 의해 전체 또는 부분적으로 실행된다는 것을 알아야 한다. 또한 다양한 모듈들이 의도된 함수를 실행하도록 설계된 소프트웨어 및/또는 하드웨어를 교대로 포함한 하나 이상의 구성요소들을 설계한다는 것을 알아야 한다. 복수의 모듈들은 하나의 함수를 집합적으로 실행한다. 각 모듈은 기계 판독 가능 프로그램 지시들을 실행할 수 있는 특수 프로세서를 가진다. 모듈은 ASIC, 전자 회로, 또는 특수 목적 프로세서와 같은 단일 피스의 하드웨어를 포함한다. 복수의 모듈들은 하나의 특수 목적 컴퓨터 시스템 또는 병렬로 된 복수의 특수 목적 컴퓨터 시스템에 의해 실행된다. 모듈들 사이의 연결은 물리적, 논리적 연결 모두를 포함한다. 모듈들은 운영 시스템, 드라이버들, 디바이스 컨트롤러들, 및 일부 또는 전체가 네트워크를 통해 연결된 다른 장지들을 추가로 포함한 하나 이상의 소프트웨어/하드웨어 모듈들을 추가로 구비한다. 또한 본 방법의 하나 이상의 양태들은 전용 컴퓨터 시스템 상에서 실행되고, 또한 작업들이 네트워크를 통해 링크된 리모트 디바이스들에 의해 실행되는 분산형 컴퓨팅 환경에서 수행된다는 것을 고려한다.
여기에 기술된 본 방법의 하나 이상의 양태들은 컴퓨터 이용 가능하거나 또는 기계 판독 가능한 미디어를 가지는 하나 이상의 컴퓨터 프로그램 제품들을 포함한 제조 부품에 통합되도록 의도된다. 제조 부품은 플로우 다이어그램에 도시된 방법론을 실행할 수 있는 실행 프로그램 지시들을 실현하는 기계 구조 또는 기타 제로그래픽(xerographic) 또는 이미지 프로세싱 시스템에 의해 판독 가능한 적어도 하나의 저장 디바이스 상에 구비된다. 또한, 제조 부품은 제로그래픽 시스템, 운영 체제, 플로그-인의 일부로서 구비되고, 독자적이거나 또는 추가(add?on), 업데이트, 업그레이드, 또는 제품 수트(product suite)의 일부로서, 출하, 판매, 임대 또는 별도로 제공된다.
각종 상술한 바와 다른 특징 및 기능들 또는 그 대안의 것들은 많은 다른 시스템들 또는 어플리케이션들에 바람직하게 조합될 수 있다. 여기에서의 각종 현재 예상치 못했거나 또는 기대하지 않은 대안, 수정, 변형, 또는 개선은 해당 분야의 전문가에 의해 명백해지거나 및/또는 이후에 완성되고, 또한 첨부한 청구항들에 의해 포함되도록 의도된다. 따라서 위에 명시된 실시 형태들은 도시를 위해 고려될 뿐 한정되지는 않는다. 상술한 실시 형태들의 다양한 변경은 본 발명의 사상 및 범위로부터 이탈하지 않고도 만들어진다. 특허와 특허 출원을 포함하는 모든 인쇄 출판물의 사항들은 각각 개별적으로 여기서 전체에 걸쳐 참조로 포함된다.
1301 네트워크
1307 버퍼
1308 강도 계산기
1309 픽셀 식별자 모듈
1310 픽셀 분류 모듈
1312 객체 식별 모듈

Claims (14)

  1. IR 이미징 시스템에 의해 얻어진 IR 이미지 내 객체들의 수를 결정하는 방법으로서, 상기 방법은:
    IR 이미지 내 각 픽셀에 대한 총 N개의 강도값들을 수집하는 단계로서, 상기 강도값들은 IR 감지 디바이스와 IR 조명기를 포함한 IR 이미징 시스템을 이용하여 수집되는 상기 단계;
    공지의 복수 물질들에 대해 추정된 강도값들을 데이터베이스로부터 검색하는 단계;
    최적합 반사율(best fitting method of reflectance) 방법 및 상관법(correlation method) 중 하나를 이용하여, 상기 IR 이미지 내 각 픽셀에 대한 분류를 결정하는 단계; 및
    상기 픽셀 분류에 기초하여 상기 IR 이미지 내 객체들의 총수를 결정하는 단계를 포함하는 방법.
  2. 청구항 1에 있어서,
    상기 IR 감지 디바이스는 단일 IR 감지 디바이스이고, 상기 IR 조명기는 하나의 고정된 필터를 가지는 순차 조명형 N?대역 조명기(N≥3)이고, 상기 강도값은:
    Figure pat00010

    로 이루어지고,
    여기서 i＝1...N이고, i는 순차적으로 조명하는 상기 조명기로부터의 ith(i번째) IR 대역이고,
    Figure pat00011
    는 상기 조명 공급원으로부터의 각도 및 거리, 공기 중 IR파의 감쇄, 및 상기 감지 디바이스의 적분 시간(integration time)에 따라 달라지는 상수이고,
    Figure pat00012
    는 광원의 ith 대역의 강도이고, Ib는 태양광의 IR 구성요소로부터의 강도와 같은 배경 광원으로부터의 강도이고, RO(λ)는 상기 IR 감지 디바이스에 의해 감지된 객체의 반사율이고, RG(λ) 및 TG(λ)는 글래스의 반사율 및 투과율이고, 그 외의 경우 RG(λ)＝0 및 TG(λ)＝1이고, 상수 η는 차량 글래스로부터 반사되고 상기 감지기에 의해 수취된 상기 조명기로부터의 광 비율의 양이고, 그 외의 경우 η는 제로이고, TL(λ)는 상기 고정된 필터의 투과율이고, D(λ)는 상기 감지 디바이스의 반응도(responsivity)인 방법.
  3. 청구항 2에 있어서,
    상기 상관법은:
    Figure pat00013

    로 이루어지고,
    여기서 ΔIcm(i)＝Icm(i)?Im은 측정된 강도차이고, ΔIcs(i)＝ICS(i)?IS는 계산된 강도차이고, IS는 Im의 계산된 대응도(correspondence)이고, 특정 반사율을 가진 상기 계산된 강도가 상기 측정된 강도 내 객체와 일치하는 경우 상관은 높아질 것이고(1에 근접), 그 외의 경우 상관은 작아지며(0 또는 음수에 근접),
    상기 상관의 양에 기초하여 상기 픽셀을 분류하는 단계를 포함하는 방법.
  4. 청구항 2에 있어서,
    상기 최적합 반사율 방법은:
    상기 픽셀들에 관련된 강도값을, 적어도 하나의 계산된 강도값과 데이터베이스로부터 검색된 공지된 반사율을 이용하여 교차-참조(cross-reference)하는 단계; 및
    최적합 반사율에 기초하여 상기 픽셀을 분류하는 단계를 포함하는 방법.
  5. 청구항 1에 있어서,
    상기 IR 감지 디바이스는 N?대역 패스 필터(N≥3)를 가지는 N개의 감지 디바이스들이고, 상기 IR 조명기는 상기 필터들의 파장 범위를 커버하는 하나의 조명기를 가지고, 상기 강도값은:
    Figure pat00014

    로 이루어지고,
    여기서 i＝1...N이고, i는 ith IR 대역 패스 필터이고,
    Figure pat00015
    는 상기 조명 공급원으로부터의 각도 및 거리, 공기 중 IR파의 감쇄, 및 상기 감지 디바이스의 적분 시간에 따라 달라지는 상수이고, IS(λ)는 광원의 강도이고, Ib는 배경 강도이고, RO(λ)는 상기 IR 감지 디바이스에 의해 감지된 객체의 반사율이고, RG(λ) 및 TG(λ)는 글래스의 반사율 및 투과율이고, 그 외의 경우 RG(λ)＝0 및 TG(λ)＝1이고, 상수 η는 차량 글래스로부터 반사되고 상기 감지기에 의해 수취된 상기 조명기로부터의 광 비율의 양이고, 그 외의 경우 η는 제로이고,
    Figure pat00016
    는 상기 ith 필터의 투과율이고, D(λ)는 상기 감지 디바이스의 반응도인 방법.
  6. 청구항 5에 있어서,
    상기 상관법은:
    Figure pat00017

    로 이루어지고,
    여기서 ΔIcm(i)＝Icm(i)?Im은 측정된 강도차이고, ΔIcs(i)＝ICS(i)?IS는 계산된 강도차이고, IS는 Im의 계산된 대응도이고, 특정 반사율을 가진 상기 계산된 강도가 상기 측정된 강도 내 객체와 일치하는 경우 상관은 높아질 것이고(1에 근접), 그 외의 경우 상관은 작아지며(0 또는 음수에 근접),
    상기 상관의 양에 기초하여 상기 픽셀을 분류하는 단계를 포함하는 방법.
  7. 청구항 5에 있어서,
    상기 최적합 반사율 방법은:
    상기 픽셀들에 관련된 강도값을, 적어도 하나의 계산된 강도값과 데이터베이스로부터 검색된 공지된 반사율을 이용하여 교차-참조하는 단계; 및
    최적합 반사율에 기초하여 상기 픽셀을 분류하는 단계를 포함하는 방법.
  8. IR 이미지 내 객체들의 수를 결정하는 시스템으로서, 상기 시스템은:
    IR 감지 디바이스 및 IR 조명기를 포함한 IR 이미징 시스템;
    메모리와 저장 매체; 및
    상기 저장 매체 및 상기 메모리와 통신하는 프로세서를 포함하고,
    상기 프로세서는 기계 판독 가능한 지시들을 수행하여,
    상기 IR 이미징 시스템을 이용하여 IR 이미지 내 각 픽셀에 대한 총 N개의 강도값들을 수집하는 단계;
    공지의 복수 물질들에 대해 추정된 강도값들을 데이터베이스로부터 검색하는 단계;
    최적합 반사율 방법과 상관법 중 하나를 이용하여 상기 IR 이미지 내 각 픽셀에 대한 분류를 결정하는 단계; 및
    상기 픽셀 분류에 기초하여 상기 IR 이미지 내 객체들의 총수를 결정하는 단계를 포함하는 방법을 실행하는 시스템.
  9. 청구항 8에 있어서,
    상기 IR 감지 디바이스는 단일 IR 감지 디바이스이고, 상기 IR 조명기는 하나의 고정된 필터를 가지는 순차 조명형 N?대역 조명기(N≥3)이고, 상기 강도값은:
    Figure pat00018

    로 이루어지고,
    여기서 i＝1...N이고, i는 순차적으로 조명하는 상기 조명기로부터의 ith IR 대역이고,
    Figure pat00019
    는 상기 조명 공급원으로부터의 각도 및 거리, 공기 중 IR파의 감쇄, 및 상기 감지 디바이스의 적분 시간에 따라 달라지는 상수이고,
    Figure pat00020
    는 광원의 ith 대역의 강도이고, Ib는 태양광의 IR 구성요소로부터의 강도와 같은 배경 광원으로부터의 강도이고, RO(λ)는 상기 IR 감지 디바이스에 의해 감지된 객체의 반사율이고, RG(λ) 및 TG(λ)는 글래스의 반사율 및 투과율이고, 그 외의 경우 RG(λ)＝0 및 TG(λ)＝1이고, 상수 η는 차량 글래스로부터 반사되고 상기 감지기에 의해 수취된 상기 조명기로부터의 광 비율의 양이고, 그 외의 경우 η는 제로이고, TL(λ)는 상기 고정된 필터의 투과율이고, D(λ)는 상기 감지 디바이스의 반응도인 시스템.
  10. 청구항 9에 있어서,
    상기 상관법은:
    Figure pat00021

    로 이루어지고,
    여기서 ΔIcm(i)＝Icm(i)?Im은 측정된 강도차이고, ΔIcs(i)＝ICS(i)?IS는 계산된 강도차이고, IS는 Im의 계산된 대응도이고, 특정 반사율을 가진 상기 계산된 강도가 상기 측정된 강도 내 객체와 일치하는 경우 상관은 높아질 것이고(1에 근접), 그 외의 경우 상관은 작아지며(0 또는 음수에 근접),
    상기 상관의 양에 기초하여 상기 픽셀을 분류하는 단계를 포함하는 시스템.
  11. 청구항 8에 있어서,
    상기 최적합 반사율 방법은:
    상기 픽셀들에 관련된 강도값을, 적어도 하나의 계산된 강도값과 데이터베이스로부터 검색된 공지된 반사율을 이용하여 교차-참조하는 단계; 및
    최적합 반사율에 기초하여 상기 픽셀을 분류하는 단계를 포함하는 시스템.
  12. 청구항 8에 있어서,
    상기 IR 감지 디바이스는 N?대역 패스 필터(N≥3)를 가지는 N개의 감지 디바이스들이고, 상기 IR 조명기는 상기 필터들의 파장 범위를 커버하는 하나의 조명기를 가지고, 상기 강도값은:
    Figure pat00022

    로 이루어지고,
    여기서 i＝1...N이고, i는 ith IR 대역 패스 필터이고,
    Figure pat00023
    는 상기 조명 공급원으로부터의 각도 및 거리, 공기 중 IR파의 감쇄, 및 상기 감지 디바이스의 적분 시간에 따라 달라지는 상수이고, IS(λ)는 광원의 강도이고, Ib는 배경 강도이고, RO(λ)는 상기 IR 감지 디바이스에 의해 감지된 객체의 반사율이고, RG(λ) 및 TG(λ)는 글래스의 반사율 및 투과율이고, 그 외의 경우 RG(λ)＝0 및 TG(λ)＝1이고, 상수 η는 차량 글래스로부터 반사되고 상기 감지기에 의해 수취된 상기 조명기로부터의 광 비율의 양이고, 그 외의 경우 η는 제로이고,
    Figure pat00024
    는 상기 ith 필터의 투과율이고, D(λ)는 상기 감지 디바이스의 반응도인 시스템.
  13. 청구항 12에 있어서,
    상기 상관법은:
    Figure pat00025

    로 이루어지고,
    여기서 ΔIcm(i)＝Icm(i)?Im은 측정된 강도차이고, ΔIcs(i)＝ICS(i)?IS는 계산된 강도차이고, IS는 Im의 계산된 대응도이고, 특정 반사율을 가진 상기 계산된 강도가 상기 측정된 강도 내 객체와 일치하는 경우 상관은 높아질 것이고(1에 근접), 그 외의 경우 상관은 작아지며(0 또는 음수에 근접),
    상기 상관의 양에 기초하여 상기 픽셀을 분류하는 단계를 포함하는 시스템.
  14. 청구항 12에 있어서,
    상기 최적합 반사율 방법은:
    상기 픽셀들에 관련된 강도값을, 적어도 하나의 계산된 강도값과 데이터베이스로부터 검색된 공지된 반사율을 이용하여 교차-참조하는 단계; 및
    최적합 반사율에 기초하여 상기 픽셀을 분류하는 단계를 포함하는 시스템.
KR1020120038094A 2011-04-13 2012-04-12 Ｉｒ 이미지 내 객체들의 수 결정 KR101924647B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/086,006 US8587657B2 (en) 2011-04-13 2011-04-13 Determining a number of objects in an IR image
US13/086,006 2011-04-13

Publications (2)

Publication Number Publication Date
KR20120116882A true KR20120116882A (ko) 2012-10-23
KR101924647B1 KR101924647B1 (ko) 2018-12-03

Family

ID=46935793

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120038094A KR101924647B1 (ko) 2011-04-13 2012-04-12 Ｉｒ 이미지 내 객체들의 수 결정

Country Status (7)

Country Link
US (1) US8587657B2 (ko)
JP (1) JP2012220491A (ko)
KR (1) KR101924647B1 (ko)
CN (1) CN102842063B (ko)
BR (1) BR102012008481A2 (ko)
DE (1) DE102012206078A1 (ko)
MX (1) MX2012004179A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014172581A1 (en) * 2013-04-17 2014-10-23 Hovtag Llc Managing vehicular traffic on a roadway

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8818030B2 (en) * 2011-12-13 2014-08-26 Xerox Corporation Post-processing a multi-spectral image for enhanced object identification
US9351649B2 (en) 2012-02-21 2016-05-31 Xerox Corporation System and method for determining video-based pulse transit time with time-series signals
US9007438B2 (en) * 2012-05-21 2015-04-14 Xerox Corporation 3D imaging using structured light for accurate vehicle occupancy detection
WO2014064898A1 (ja) * 2012-10-26 2014-05-01 日本電気株式会社 乗車人数計測装置、方法およびプログラム
US9523608B2 (en) * 2012-12-14 2016-12-20 Xerox Corporation Material identification from a spectral filtered patterned image without demosaicing
US20140240511A1 (en) * 2013-02-25 2014-08-28 Xerox Corporation Automatically focusing a spectral imaging system onto an object in a scene
US9377294B2 (en) 2013-06-18 2016-06-28 Xerox Corporation Handheld cellular apparatus for volume estimation
TWI532620B (zh) * 2013-06-24 2016-05-11 Utechzone Co Ltd Vehicle occupancy number monitor and vehicle occupancy monitoring method and computer readable record media
US9336594B2 (en) 2014-03-07 2016-05-10 Xerox Corporation Cardiac pulse rate estimation from source video data
US9320440B2 (en) 2014-04-01 2016-04-26 Xerox Corporation Discriminating between atrial fibrillation and sinus rhythm in physiological signals obtained from video
US9521335B2 (en) 2014-06-17 2016-12-13 Xerox Corporation Detecting febrile seizure with a thermal video camera
US10192134B2 (en) * 2014-06-30 2019-01-29 Microsoft Technology Licensing, Llc Color identification using infrared imaging
DE102014223741A1 (de) * 2014-11-20 2016-05-25 Conti Temic Microelectronic Gmbh Erfassen von Terahertz-Strahlung zum Unterstützen eines Fahrers eines Fahrzeugs
US9836849B2 (en) * 2015-01-28 2017-12-05 University Of Florida Research Foundation, Inc. Method for the autonomous image segmentation of flow systems
CN104834932A (zh) * 2015-04-29 2015-08-12 河南城建学院 一种汽车车牌识别的matlab算法
CN107111750B (zh) 2015-10-30 2020-06-05 微软技术许可有限责任公司 欺骗性脸部的检测
US10701244B2 (en) * 2016-09-30 2020-06-30 Microsoft Technology Licensing, Llc Recolorization of infrared image streams
US10175030B2 (en) * 2017-03-13 2019-01-08 Sensors Unlimited, Inc. Threat detection
US11403865B2 (en) * 2017-07-25 2022-08-02 Nec Corporation Number-of-occupants detection system, number-of-occupants detection method, and program
US10949679B2 (en) * 2017-09-28 2021-03-16 Apple Inc. Nighttime sensing
US11538257B2 (en) * 2017-12-08 2022-12-27 Gatekeeper Inc. Detection, counting and identification of occupants in vehicles
CN109186772B (zh) * 2018-08-22 2020-03-10 珠海格力电器股份有限公司 一种基于红外探测器的人体判断方法及电器
CN109286848B (zh) * 2018-10-08 2020-08-04 腾讯科技（深圳）有限公司 一种终端视频信息的交互方法、装置及存储介质
US10867193B1 (en) 2019-07-10 2020-12-15 Gatekeeper Security, Inc. Imaging systems for facial detection, license plate reading, vehicle overview and vehicle make, model, and color detection
US11196965B2 (en) 2019-10-25 2021-12-07 Gatekeeper Security, Inc. Image artifact mitigation in scanners for entry control systems
JP7468885B2 (ja) * 2020-01-20 2024-04-16 ｉ－ＰＲＯ株式会社 カメラ装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2749191B2 (ja) * 1990-11-06 1998-05-13 新川電機株式会社 身長別通過人数の計数方法
US8078263B2 (en) 2000-01-19 2011-12-13 Christie Medical Holdings, Inc. Projection of subsurface structure onto an object's surface
DE10034976B4 (de) * 2000-07-13 2011-07-07 iris-GmbH infrared & intelligent sensors, 12459 Erfassungsvorrichtung zum Erfassen von Personen
US7460696B2 (en) 2004-06-01 2008-12-02 Lumidigm, Inc. Multispectral imaging biometrics
JP3987013B2 (ja) * 2003-09-01 2007-10-03 本田技研工業株式会社 車両周辺監視装置
US20060020212A1 (en) 2004-07-26 2006-01-26 Tianning Xu Portable vein locating device
US7469060B2 (en) * 2004-11-12 2008-12-23 Honeywell International Inc. Infrared face detection and recognition system
JP2007213182A (ja) * 2006-02-08 2007-08-23 Fujifilm Corp 対象物状態認識方法および装置並びにプログラム
US7899217B2 (en) 2006-07-19 2011-03-01 Lumidign, Inc. Multibiometric multispectral imager
US20100061598A1 (en) 2007-05-07 2010-03-11 Innozest Inc. Apparatus and method for recognizing subcutaneous vein pattern
CN101527039B (zh) * 2008-03-06 2011-12-28 河海大学 基于边缘特征的图像自动配准及快速超分辨率融合方法
US7869732B2 (en) 2008-07-03 2011-01-11 Xerox Corporation Amplitude modulation of illuminators in sensing applications in printing system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014172581A1 (en) * 2013-04-17 2014-10-23 Hovtag Llc Managing vehicular traffic on a roadway
US9547797B2 (en) 2013-04-17 2017-01-17 Hovtag Llc Managing vehicular traffic on a roadway

Also Published As

Publication number Publication date
CN102842063B (zh) 2015-04-08
BR102012008481A2 (pt) 2018-09-18
KR101924647B1 (ko) 2018-12-03
JP2012220491A (ja) 2012-11-12
CN102842063A (zh) 2012-12-26
MX2012004179A (es) 2012-10-25
DE102012206078A1 (de) 2012-10-18
US20120262577A1 (en) 2012-10-18
US8587657B2 (en) 2013-11-19

Similar Documents

Publication Publication Date Title
KR101924647B1 (ko) Ｉｒ 이미지 내 객체들의 수 결정
JP5938125B2 (ja) Ｉｒ画像内の生物の数を決定するための方法
US9171196B2 (en) Multi-band infrared camera system optimized for skin detection
US9523608B2 (en) Material identification from a spectral filtered patterned image without demosaicing
US9964643B2 (en) Vehicle occupancy detection using time-of-flight sensor
US9202118B2 (en) Determining a pixel classification threshold for vehicle occupancy detection
US20150227773A1 (en) Latent fingerprint detectors and fingerprint scanners therefrom
CN109492714A (zh) 图像处理装置及其方法
US10482347B2 (en) Inspection of the contoured surface of the undercarriage of a motor vehicle
JP6333238B2 (ja) カメラ及び照明を用いたガラス面の雨滴検出
US8810658B2 (en) Estimating a visible vector representation for pixels in an infrared image
Chang et al. Multispectral visible and infrared imaging for face recognition
CN113557172A (zh) 选通照相机、汽车、车辆用灯具、物体识别系统、运算处理装置、物体识别方法、图像显示系统、检查方法、摄像装置、图像处理装置
JPWO2020080045A1 (ja) 物体認識方法、車両制御方法、情報表示方法、および物体認識装置
CN110443111A (zh) 自动驾驶目标识别方法
US20210056335A1 (en) Variable ir illumination
WO2005119571A1 (en) Imaging apparatus and method for vehicle occupant determination
Daley et al. Detection of vehicle occupants in HOV lanes: exploration of image sensing for detection of vehicle occupants
Tyrer et al. An optical method for automated roadside detection and counting of vehicle occupants
EP2595089A1 (en) Driver assistance system and method for a motor vehicle

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant