KR20130011223A - 비디오 감시 시스템 및 방법 - Google Patents

비디오 감시 시스템 및 방법 Download PDF

Info

Publication number
KR20130011223A
KR20130011223A KR1020110072218A KR20110072218A KR20130011223A KR 20130011223 A KR20130011223 A KR 20130011223A KR 1020110072218 A KR1020110072218 A KR 1020110072218A KR 20110072218 A KR20110072218 A KR 20110072218A KR 20130011223 A KR20130011223 A KR 20130011223A
Authority
KR
South Korea
Prior art keywords
trajectory
surveillance
field
movement
hierarchical tree
Prior art date
Application number
KR1020110072218A
Other languages
English (en)
Other versions
KR101268102B1 (ko
Inventor
이필규
김병형
신학철
Original Assignee
인하대학교 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 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020110072218A priority Critical patent/KR101268102B1/ko
Publication of KR20130011223A publication Critical patent/KR20130011223A/ko
Application granted granted Critical
Publication of KR101268102B1 publication Critical patent/KR101268102B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 비디오 감시 시스템 및 방법에 관한 것으로서, 입력된 비디오 데이터로부터 추출된 궤적 데이터를 분석하여 비정상 움직임이 있는지 여부를 판단하는 비디오 감시 시스템에 있어서, 감시 지역에서 움직이는 감시 대상을 촬영한 비디오 데이터로부터 상기 감시 대상의 궤적 정보를 생성하는 궤적 정보 생성부, 상기 궤적 정보에 기초하여 상기 감시 대상의 움직임이 정상인지 여부를 판단하는 정상 여부 판단부를 포함하되, 상기 궤적 정보는 궤적 위치 필드, 궤적 방향 필드 및 궤적 속도 필드를 포함하는 계층 트리인 것인 비디오 감시 시스템을 제공한다.

Description

비디오 감시 시스템 및 방법{SYSTEM AND METHOD FOR VIDEO SURVEILLANCE}
본 발명은 비디오 감시 시스템 및 방법에 관한 것으로서, 보다 상세하게는 계층적 시공간 모델링을 채용한 궤적 분석에 따라 대상 물체의 정상 상태 여부를 감지하는 비디오 감시 시스템 및 방법에 관한 것이다.
최근 군용 시설, 도로, 항만, 은행 등 주요 공공 시설에서의 보안에 대한 인식이 강화됨에 따라 영상 감시 시스템의 중요성이 점차 커지고 있다. 특히, 영상의 해석을 전적으로 사람에게 의지하는 종래의 비디오 감시 시스템과 달리, 시스템이 영상을 분석하여 감시 지역에서 비정상인 움직임이 검출된 경우 이를 자동으로 알려주는 지능형 영상 감시 시스템에 대한 수요가 높아지고 있으며, 이에 대한 연구도 많이 이루어지고 있다.
이때, 지능형 영상 감시 시스템에게는 기본적으로 영상 분석 결과가 정확할 것이 요구되지만, 많은 자원을 사용하지 않고도 결과를 계산해낼 수 있는 효율성 또한 중요하다.
이와 관련하여 한국공개특허 제2006-0031832호(이하 '선행기술 1')에는 행위 분석 및 상황 인지 기능을 갖는 영상 감시 시스템이 개시되어 있다. 즉, 감시 영역에서 이동 물체를 추출하기 위하여, 적응적 배경 빼기 기법, 3개 프레임 차이 기법 혼합 및 시간적 물체 계층 유지 기법을 포함하며, 검출된 물체를 비디오 시퀀스의 프레임 사이에서 서로 매칭하여 시간 경과에 따라 추적하고, 추출된 물체의 모양 분석 및 물체 추적 정보를 통해 물체를 분류하고 행위 분석을 수행하는 구성이 개시되어 있다.
한편, 한국등록특허 제10-0743927호(이하 '선행기술 2')는 공간 데이터 웨어하우스에서 데이터의 집계 정보 관리 방법을 개시하고 있다. 즉, HSaR-tree(Historically Summarized Aggregate R-tree)를 이용하여 감시 영역에 대한 현재집계정보를 저장하고, 각 노드에 과거집계정보에 대한 연결을 위하여 링크를 추가하며, 과거집계정보는 각 노드의 과거에서 현재까지의 집계정보를 계층구조로 유지하는 시간요약 집계 테이블을 생성하여 저장하는 구성이 개시되어 있다.
이들 선행기술들은 감시 대상의 위치 정보를 과거에서 현재까지의 시간 경과에 따라 추적하는 것을 특징으로 한다. 즉, 궤적 데이터의 위치 정보에만 초점을 맞추고 있어 본원 발명과 차이가 있다. 본원 발명은 또한 영상 감시 시스템의 정확도와 효율성을 높이는 문제를 동시에 해결하는 것을 목표로 하고 있다.
본 발명은 전술한 영상 감시 시스템의 정확도와 효율성을 높이는 문제를 해결하기 위한 것으로서, 그 목적은 계층적 시공간 모델링을 채용한 궤적 분석에 따라 영상 데이터가 부족할 때도 시스템 자원을 많이 사용하지 않고 대상 물체의 정상 상태 여부를 정확하게 감지해내는 비디오 감시 시스템 및 방법을 제공하는 것이다.
상기와 같은 목적을 달성하기 위한 본 발명의 일측면에 따른 비디오 감시 시스템은 입력된 비디오 데이터로부터 추출된 궤적 데이터를 분석하여 비정상 움직임이 있는지 여부를 판단하는 것으로, 감시 지역에서 움직이는 감시 대상을 촬영한 비디오 데이터로부터 상기 감시 대상의 궤적 정보를 생성하는 궤적 정보 생성부, 상기 궤적 정보에 기초하여 상기 감시 대상의 움직임이 정상인지 여부를 판단하는 정상 여부 판단부를 포함하되, 상기 궤적 정보는 궤적 위치 필드, 궤적 방향 필드 및 궤적 속도 필드를 포함하는 계층 트리인 것을 특징으로 한다.
상기와 같은 목적을 달성하기 위한 본 발명의 또다른 일측면에 따른 비디오 감시 방법은 입력된 비디오 데이터로부터 추출된 궤적 데이터를 분석하여 비정상 움직임이 있는지 여부를 판단하는 것으로, 감시 지역에서 움직이는 감시 대상을 촬영한 비디오 데이터로부터 상기 감시 대상의 궤적 정보를 생성하는 궤적 정보 생성부, 상기 궤적 정보에 기초하여 상기 감시 대상의 움직임이 정상인지 여부를 판단하는 정상 여부 판단부를 포함하되, 상기 궤적 정보는 궤적 위치 필드, 궤적 방향 필드 및 궤적 속도 필드를 포함하는 계층 트리인 것을 특징으로 한다.
본 발명은 궤적 분석에 따라 대상 물체의 정상 상태 여부를 감지하는 비디오 감시 시스템 및 비디오 감시 방법에 있어, 결과의 정확도를 높일 뿐 아니라, 소량의 데이터로도 효과적인 궤적 정보를 생성해내며, 동시에 시스템의 계산 부하를 낮추는 효과를 얻는다. 또한 본원 발명은 처음부터 영상 데이터가 완전히 갖추어져 있는 오프라인 시스템 뿐 아니라 영상 데이터를 실시간으로 입력 받는 온라인 시스템에서도 뛰어난 성능을 발휘할 수 있다.
도1은 본 발명에 따른 비디오 감시 시스템의 구조를 도시함.
도2는 본 발명에 따른 비디오 감시 시스템의 대상이 되는 감시 지역의 일례를 도시함.
도3은 도2에서 계층적 시공간 모델링에 따라 궤적 정보를 추출하는 과정을 도시함.
도4는 도3에서 추출한 정보를 저장하는 자료 구조를 도시함.
도5는 본 발명에 따른 비디오 감시 방법의 흐름을 도시함.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명에 따른 비디오 감시 시스템(100)을 나타낸 블록도이다.
먼저 도 1을 참조하면, 본 발명에 따른 비디오 감시 시스템(100)은 궤적 정보 생성부(101)와 정상 여부 판단부(102)를 포함한다. 도1에 도시된 비디오 입력부(111), 궤적 데이터 추출부(112), 경보 발생부(121)는 본 발명에 따른 비디오 감시 시스템(100)에 포함될 수도 있고, 외부에 위치할 수도 있다.
비디오 감시 시스템(100)은 비디오 입력부(111) 및 궤적 데이터 추출부(112)로부터 감시 대상의 움직임에 대한 궤적 데이터를 입력받는다. 궤적 데이터 입력은 영상 촬영과 동시에 실시간으로 입력될 수도 있고, 녹화된 영상을 사용하여 행해질 수도 있다. 촬영과 동시에 입력받는 경우 온라인 비디오 감시 시스템이라고 부를 수 있고, 녹화된 영상을 사용하는 경우 오프라인 비디오 감시 시스템이라고 부를 수 있다.
궤적 정보 생성부(101)는 입력된 궤적 데이터를 가공하여 궤적 정보를 생성하며, 정상 여부 판단부(102)는 생성된 궤적 정보를 바탕으로 감시 대상이 비정상인 움직임을 보이고 있는지 여부를 판단한다.
여기에서 궤적 데이터라 하면 시간에 따른 위치 정보 등 궤적 정보 생성부(101)가 입력받는 원시 데이터를 말하며, 궤적 정보라 하면 궤적 정보 생성부(101)가 이를 바탕으로 출력하는 정보를 말한다. 궤적 정보 생성부(101)는 궤적 정보를 갱신하거나, 데이터베이스 등 저장소와의 궤적 정보 교환도 책임지고 있다.
정상 여부 판단부(102)가 감시 대상이 비정상인 움직임을 보이고 있다고 판단할 경우 경보 발생부(121)가 경보를 내보낼 수 있다. 이때 경보의 형태에는 제한이 없다.
도2에는 비디오 감시 시스템(100)의 대상이 되는 감시 지역의 일례가 도시되어 있다. 감시 지역에는 입구 지역과 출구 지역이 포함되며, 입구 지역으로 진입하여 출구 지역으로 빠져나가는 움직임에 대해 정상 여부가 판단된다. 그 이외의 지역으로 드나드는 움직임이 감지될 경우에는 비정상 움직임이라는 판단이 내려진다.
도3과 도4에는 궤적 정보 생성부(101)가 입력된 궤적 데이터로부터 궤적 정보를 추출하는 흐름과 결과물인 자료 구조가 각각 도시되어 있다.
궤적 정보 생성부(101)는 도3에 보이는 바와 같이 입력된 데이터로부터 궤적 위치 필드(TPF: trajectory position field), 궤적 방향 필드(TDF: trajectory direction field), 궤적 속도 필드(TSF: trajectory speed field)를 각각 추출하여, 도4에 도시된 것과 같은 계층 트리를 생성한다. 계층 트리는 상위 수준에서 하위 수준으로 내려가면서 궤적 위치 필드를 포함하는 노드가 궤적 방향 필드를 포함하는 노드를 자식 노드로 갖고, 다시 궤적 방향 필드를 포함하는 노드가 궤적 속도 필드를 포함하는 노드를 자식 노드로 갖는 구성과 순서로 생성된다.
이때, 궤적 위치 필드는 궤적 세그먼트 데이터로부터 도출한 불확실 전파 분포이다. 궤적 데이터는 보통 시간에 따른 위치 정보를 나타내는데, 본 발명에 따른 비디오 감시 시스템(100)은 이 위치 정보를 고정 길이를 갖는 궤적 세그먼트들로 샘플링한다. 이는 점으로 샘플링하는 것보다 현실 세계에 좀더 가까우며 좀더 유연한 데이터 표현 방법이다. 본 발명은 이를 처리하는 방법으로는 확률 계산을 사용한다. 궤적 정보 생성부(101)가 계산하여 도4에 도시된 계층 트리에 넣는 궤적 위치 필드는 궤적 세그먼트의 가우시안 분포에 기초한 궤적 경로의 불확실 전파 분포인 것이다.
상기 궤적 위치 필드 값을 포함하고 있는 노드들은 다시 궤적 방향 필드 값을 갖는 노드들을 자식 노드로 갖게 되는데, 이는 궤적 데이터에서 방향 정보를 추출하여 그 마르코프 랜덤 필드(MRF: Markov Random Field)를 구하면 된다. 그에 대한 자식 노드들인 속도 방향 필드를 갖는 노드들도 마찬가지로 궤적 데이터의 속도 정보에서 계산한 마르코프 랜덤 필드 값이 들어간다.
이렇게 계층 트리가 완성되면 궤적 정보 생성부(101)는 데이터를 경량화하여 시스템의 메모리 자원 사용과 계산 부하를 낮추기 위해 계층 트리를 계층적으로 클러스터링한다. 즉, 궤적 위치 필드 수준을 먼저 클러스터링하고, 이후 궤적 방향 필드 수준에 대한 클러스터링, 궤적 속도 필드 수준에 대한 클러스터링을 수행한다. 클러스터링에는 주성분 분석을 통한 k-평균(PCA guided K-means) 알고리즘이나 온라인 k-평균(Online K-means) 알고리즘을 사용할 수 있다.
궤적 정보 생성부(101)가 궤적 정보를 완성하면 정상 여부 판단부(102)가 이 정보를 바탕으로 상위 수준에서 하위 수준으로 내려가면서 비정상 움직임이 있는지 여부를 판단한다. 상위 수준을 먼저 판단하여 비정상이라고 판단되면 멈추고 정상이라고 판단되면 하위 수준을 판단하는 식이다. 각 수준에서의 판단은 최대 사후 확률(MAP: maximum a posterior)을 구한 후 미리 설정된 임계값을 넘어서는지 여부를 확인함으로써 이루어진다.
도5는 본 발명에 따른 비디오 감시 방법의 흐름이 도시되어 있다. 감시 지역을 촬영하여 비디오 데이터를 생성하고 궤적 데이터를 추출하는 비디오 입력 단계(S710) 및 궤적 데이터 추출 단계(S720)를 거치면, 감시 대상이 보이는 궤적의 시간에 따른 위치, 방향, 속도 데이터가 추출된다. 이를 바탕으로 궤적 정보 데이터를 생성한 후(S730), 감시 대상이 비정상 움직임을 보이는지 여부를 판단하여(S740), 비정상 움직임으로 판단될 경우 경보를 발생한다(S750).
이때, 상기 단계(S730)에서 도출되는 결과물은 궤적 위치 필드, 궤적 방향 필드 및 궤적 속도 필드를 포함하는 계층 트리이다. 상기 단계(S730)은 이 계층 트리를 생성한 후 클러스터링한다.
상기 단계(S740)는 상기 계층 트리의 상위 수준을 먼저 판단하여 비정상이라고 판단되면 판단 동작을 중지하고, 정상이라고 판단되면 상기 계층 트리의 하위 수준을 판단하는 식으로 동작한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 비디오 감시 시스템
111: 비디오 입력부
112: 궤적 데이터 추출부
101: 궤적 정보 생성부
102: 정상 여부 판단부
121: 경보 발생부

Claims (12)

  1. 입력된 비디오 데이터로부터 추출된 궤적 정보를 분석하여 비정상 움직임을 판별하는 비디오 감시 시스템에 있어서,
    감시 지역에서 움직이는 감시 대상을 촬영한 비디오 데이터로부터 상기 감시 대상의 궤적 정보를 생성하는 궤적 정보 생성부, 및
    상기 궤적 정보에 기초하여 상기 감시 대상의 움직임이 정상인지 여부를 판단하는 정상 여부 판단부를 포함하되,
    상기 궤적 정보는 궤적 위치 필드, 궤적 방향 필드 및 궤적 속도 필드를 포함하는 계층 트리인 것인 비디오 감시 시스템.
  2. 제 1항에 있어서,
    상기 감시 지역은 입구 영역과 출구 영역을 포함하며,
    상기 정상 여부 판단부는 상기 감시 대상의 움직임이 상기 입구 영역에서 시작하여 상기 출구 영역에서 끝나는 경우에 상기 움직임이 정상인지 여부를 판단하는 비디오 감시 시스템.
  3. 제 1항에 있어서,
    상기 계층 트리의 구성은 상위 수준에서 하위 수준으로 내려가면서
    상기 궤적 위치 필드를 포함하는 노드가 상기 궤적 방향 필드를 포함하는 노드를 자식 노드로 갖고,
    상기 궤적 방향 필드를 포함하는 노드가 상기 궤적 속도 필드를 포함하는 노드를 자식 노드로 갖는 것인 비디오 감시 시스템.
  4. 제 1항에 있어서,
    상기 궤적 위치 필드는 감시 대상의 움직임에서 추출한 궤적 세그먼트 데이터로부터 도출한 불확실 전파 분포인 비디오 감시 시스템.
  5. 제 1항에 있어서,
    상기 궤적 방향 필드는 감시 대상의 움직임에서 추출한 궤적 방향 데이터로부터 도출한 마르코프 랜덤 필드인 비디오 감시 시스템.
  6. 제 1항에 있어서,
    상기 궤적 속도 필드는 감시 대상의 움직임에서 추출한 궤적 속도 데이터로부터 도출한 마르코프 랜덤 필드인 비디오 감시 시스템.
  7. 제 1항에 있어서,
    상기 계층 트리는 생성된 후 계층적으로 클러스터링되는 비디오 감시 시스템.
  8. 제 1항에 있어서,
    상기 정상 여부 판단부는 상기 계층 트리의 상위 수준을 먼저 판단하여 비정상이라고 판단되면 판단 동작을 중지하고, 정상이라고 판단되면 상기 계층 트리의 하위 수준을 판단하는 비디오 감시 시스템.
  9. 제 8항에 있어서,
    상기 정상 여부 판단부는 상기 궤적 정보 생성부가 생성한 궤적 정보를 사용하여 최대 사후 확률을 구한 후 임계값을 넘어서는지 여부로 상기 감시 대상의 움직임이 정상인지 여부를 판단하는 비디오 감시 시스템.
  10. 입력된 비디오 데이터로부터 추출된 궤적 정보를 분석하여 비정상 움직임이 있는지 여부를 판단하는 비디오 감시 방법에 있어서,
    a) 감시 지역에서 움직이는 감시 대상을 촬영한 비디오 데이터로부터 상기 감시 대상의 궤적 정보를 생성하는 단계, 및
    b) 상기 궤적 정보에 기초하여 상기 감시 대상의 움직임이 정상인지 여부를 판단하는 단계를 포함하되,
    상기 궤적 정보는 궤적 위치 필드, 궤적 방향 필드 및 궤적 속도 필드를 포함하는 계층 트리인 것인 비디오 감시 방법.
  11. 제 10항에 있어서,
    상기 a) 단계는 상기 계층 트리를 생성하는 단계, 및 생성된 계층 트리를 계층적으로 클러스터링하는 단계를 포함하는 비디오 감시 방법.
  12. 제 10항에 있어서,
    상기 b) 단계는 상기 계층 트리의 상위 수준을 먼저 판단하여 비정상이라고 판단되면 판단 동작을 중지하고, 정상이라고 판단되면 상기 계층 트리의 하위 수준을 판단하는 비디오 감시 방법.
KR1020110072218A 2011-07-21 2011-07-21 비디오 감시 시스템 및 방법 KR101268102B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110072218A KR101268102B1 (ko) 2011-07-21 2011-07-21 비디오 감시 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110072218A KR101268102B1 (ko) 2011-07-21 2011-07-21 비디오 감시 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20130011223A true KR20130011223A (ko) 2013-01-30
KR101268102B1 KR101268102B1 (ko) 2013-05-29

Family

ID=47840224

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110072218A KR101268102B1 (ko) 2011-07-21 2011-07-21 비디오 감시 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101268102B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190145644A1 (en) * 2013-07-12 2019-05-16 Best Technologies, Inc. Self-balancing air fixture
CN115412706A (zh) * 2022-08-16 2022-11-29 深圳市景创科技电子股份有限公司 基于眼球追踪和运动检测的监视器

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100792283B1 (ko) * 2001-08-07 2008-01-07 삼성전자주식회사 이동물체 자동 추적장치 및 방법
JP5012589B2 (ja) * 2008-03-10 2012-08-29 三菱電機株式会社 画像情報を用いた人物追跡システム
JP5053136B2 (ja) 2008-03-13 2012-10-17 セコム株式会社 移動物体追跡装置
JP4507129B2 (ja) 2008-06-06 2010-07-21 ソニー株式会社 追尾点検出装置および方法、プログラム、並びに記録媒体

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190145644A1 (en) * 2013-07-12 2019-05-16 Best Technologies, Inc. Self-balancing air fixture
CN115412706A (zh) * 2022-08-16 2022-11-29 深圳市景创科技电子股份有限公司 基于眼球追踪和运动检测的监视器
CN115412706B (zh) * 2022-08-16 2023-10-17 深圳市景创科技电子股份有限公司 基于眼球追踪和运动检测的监视器

Also Published As

Publication number Publication date
KR101268102B1 (ko) 2013-05-29

Similar Documents

Publication Publication Date Title
CN102811343B (zh) 一种基于行为识别的智能视频监控系统
CN105426820B (zh) 基于安防监控视频数据的多人异常行为检测方法
CN106128053A (zh) 一种智慧金睛识别人员逗留徘徊报警方法和装置
CN101295405A (zh) 人像与车辆识别报警跟踪方法
CN103246896A (zh) 一种鲁棒性车辆实时检测与跟踪方法
CN103761748A (zh) 异常行为检测方法和装置
CN107506734A (zh) 一种群体突发异常事件检测与定位方法
AU2015203666A1 (en) Methods and systems for controlling a camera to perform a task
Berclaz et al. Multi-camera tracking and atypical motion detection with behavioral maps
CN108596157A (zh) 一种基于运动检测的人群惊扰场景检测方法及系统
CN104219488A (zh) 目标图像的生成方法和装置、以及视频监控系统
CN109299700A (zh) 基于人群密度分析的地铁群体异常行为检测方法
Singh et al. Crowd escape event detection via pooling features of optical flow for intelligent video surveillance systems
Zhang et al. Anomaly detection and localization in crowded scenes by motion-field shape description and similarity-based statistical learning
Atghaei et al. Abnormal event detection in urban surveillance videos using GAN and transfer learning
Biradar et al. DEARESt: deep Convolutional aberrant behavior detection in real-world scenarios
KR101268102B1 (ko) 비디오 감시 시스템 및 방법
CN110969645A (zh) 面向拥挤场景的无监督异常轨迹检测方法和装置
CN104077571A (zh) 一种采用单类序列化模型的人群异常行为检测方法
Leyva et al. Video anomaly detection based on wake motion descriptors and perspective grids
Zanina et al. TLD object tracking algorithm improved with particle filter
Dogra et al. Scene representation and anomalous activity detection using weighted region association graph
Wang et al. Anomaly detection in crowd scene using historical information
JP2014182585A (ja) 画像解析装置、画像解析方法および画像解析プログラム
Wang et al. Detection Anomaly in Video Based on Deep Support Vector Data Description

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
FPAY Annual fee payment

Payment date: 20160404

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170223

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180406

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190510

Year of fee payment: 7