SA515360136B1 - طرق وأجهزة وأنظمة للكشف عن أهداف في محتوى فيديو - Google Patents

طرق وأجهزة وأنظمة للكشف عن أهداف في محتوى فيديو Download PDF

Info

Publication number
SA515360136B1
SA515360136B1 SA515360136A SA515360136A SA515360136B1 SA 515360136 B1 SA515360136 B1 SA 515360136B1 SA 515360136 A SA515360136 A SA 515360136A SA 515360136 A SA515360136 A SA 515360136A SA 515360136 B1 SA515360136 B1 SA 515360136B1
Authority
SA
Saudi Arabia
Prior art keywords
video image
foreground
image
video
spot
Prior art date
Application number
SA515360136A
Other languages
English (en)
Inventor
فينتينير بيتر
زهانج زهونج
يين وييهونج
Original Assignee
افيجيلون فورتريس كوبوريشن
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 افيجيلون فورتريس كوبوريشن filed Critical افيجيلون فورتريس كوبوريشن
Publication of SA515360136B1 publication Critical patent/SA515360136B1/ar

Links

Classifications

    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • G06V20/50—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
    • 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
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/30196—Human being; Person
    • 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
    • G06T2207/30232—Surveillance

Landscapes

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

Abstract

يتعلق الاختراع الحالي بطرق وأجهزة وأنظمة لإجراء تحليل لمحتوى فيديو للكشف عن بشر أو أهداف أخرى محل اهتمام في صورة فيديو مكشوف عنها. من الممكن أن يحتوي نظام مراقبة فيديو video surveillance (101) على مصدر فيديو video source (102) ووحدة كشف تغيير change detection module (103) ووحدة كشف حركة motion detection module (104) ووحدة كشف بقعة أمامية foreground blob detection module (105) ووحدة كشف عن البشر human detection module (106) ووحدة تتبع هدف target tracking module (107) ووحدة كشف حدث event detection module (108) يمكن استخدام وحدة الكشف عن الحالة (108) في حساب عدد البشر ولتحديد موقع كل منهم و/أو إجراء تحليل للحشود الموجودة في المناطق المراقبة. يمكن أن تشتمل الطريقة على تحديد بكسلات صورة فيديو عبارة عن بكسلات أمامية foreground pixels ، طقم من البكسلات الأمامية تتكون من بقعة أمامية لواحدة أو أكثر من البقع الأمامية ( 342 S ) ، لكل أشكال N محددة سلفًا (320)، حيث N عبارة عن رقم صحيح، مقارنة الشكل المناظر المحدد سلفًا مع طقم البقعة الأمامية للحصول على احتمالية مناظرة لأشخاص في الموقع ( 346 S )

Description

_— \ _ طرق وأجهزة وأنظمة للكشف عن أهداف في محتوى فيديو ‎Methods, devices and systems for detecting objects in a video‏ الوصف الكامل
خلفية الاختراع
يتعلق الاختراع الحالي بمراقبة بالفيديو ؛ ‎Jie‏ طرق ونظم المراقبة بالفيديو وطرق ونظم التحقق
بالفيديو. يتم الكشف عن نظم وأجهزة وطرق المراقبة بالفيديو؛ التي يمكن أن تكشف البشر. يمكن
أن تقوم؛ نظم؛ وأجهزة وطرق عملية المراقبة بالفيديو بعد ‎DA‏ و/أو مراقبة تسلسلات أحداث
‎fo]‏ ازدحام بشري في تدفقات الفيديو.
‏يمكن أن يُستخدم نظام المراقبة بالفيدير ‎(IVS) Intelligent Video Surveillance‏ لدى
‏الاستخبارات لكشف أحداث محل أهمية في تدفقات تغذية بالفيديو في الوقت الحقيقي أو خارج
‏الشبكة (على سبيل ‎JEL)‏ بمراجعة الفيديو المسجل والمخزن مسبقاً). نمطياً يتم تحقيق هذه المهمة
‏بكشف وتتبع الأهداف محل الأهمية. وهذا الأمر يعمل بصورة جيدة عادة عندما لا يكون المشهد ‎Vo‏ مزدحم. ومع ذلك؛ يمكن أن ينخفض أداء ‎Jie‏ هذا النظام بصورة ذات دلالة إحصائية في المشاهد
‏المزدحمة. في الواقع؛ تحدث ‎Jie‏ هذه المشاهد المزدحمة مراراً؛ وبالتالي؛ تكون إمكانية كشف
‏الأفراد في المناطق المزدحمة أمر ذي أهمية كبرى. يمكن استخدام ‎Jie‏ هذا الكشف للأفراد للعد
‏وتحليلات الازدحامات ‎(a)‏ مثل الكثافة المزدحمة؛ تكوين مزدحم وتشتيت الازدحام.
‏يعالج عمل تحليل الازدحام السابق بعض السيناريوهات المزدحمة للغاية المحددة مثل أحداث ‎٠‏ رياضية أو دينية معينة. ومع ذلك» هناك ‎dala‏ أيضا للتركيز على سيناريوهات مراقبة أكثر شيوعاً
‎Gua‏ يمكن أن تتشكل ازدحامات كبيرة من حين لآخر. هذه السيناريوهات تتضمن الأماكن العامة
‏مثل الشوارع؛ مراكز التسوقء المطارات محطات الحافلات والقطارات؛ إلخ.
‎ase‏ أضحت مشكلة تقدير كثافة ‎Alani)‏ أو عد الأفراد في الازدحام تحظى باهتمامات بالغة في
‏مجتمع الأبحاث فضلاً عن الصناعة. تتضمن الأساليب القائمة في المقام الأول الطرق المبنية ‎٠‏ على الخرائط (غير المباشرة) و/أو الطرق المبنية على الكشف (المباشرة).
‏كنك
ا يمكن أن تحاول طريقة أساسها الخريطة تحديد بالخريطة عدد الأهداف من البشر وفقاً لسمات صورة مستخلصة؛_مثل ‎Jae‏ بكسلات الحركة ‎motion pixels‏ حجم البقعة الأمامية ‎foreground blob size‏ ؛ الحواف الأمامية ‎foreground edges‏ ؛ مجموعة من الأركان الأمامية ؛ وسمات الصورة الأخرى. عادة تتطلب الطريقة التي أساسها الخريطة التدريب على أنواع © مختلفة من سيناريوهات الفيديو. يتركز البحث في الأساس على البحث عن سمات يعتمد عليها تتوافق تماما مع عد الأفراد ‎log‏ كيفية التعامل مع بعض القضايا الخاصة ‎Jie‏ الظلال والشكل المنظوري بالكاميرات . في ظل الكثير من السيناريوهات؛ يمكن أن توفر الطريقة التي أساسها الخريطة تقديرات دقيقة إلى حد ما بعد الأشخاص مع توفير فيديوهات تدريب كافية. ومع ذلك؛ عادة ما يكون الأداء معتمداً على المنظرء ويمكن أن تكون المواقع الفعلية لكل ‎٠‏ فرد غير متاحة. بمقدور طريقة أساسها الكشف عد عدد الأفراد في المنظر بتمييز كل هدف بشري مفرد. وقد تركز البحث على الكشف البشري؛ وكشف الأجزاء البشرية واعتبار الربط بين الكشف والتتبع. يمكن أن توفر هذه الطرق كشف وعد أكثر دقة في السيناريوهات المزدحمة بدرجة بسيطة. في حالة إتاحة موقع كل فرد؛ يمكن أن يتسنى حساب كثافة الحشود بالموقع. تتمثل التحديات الرئيسية لهذه الطرق ‎١‏ في التكلفة الحسابية الأعلى؛ والتعلم المبني على وجهة النظر ومتطلبات حجم الصورة البشرية الكبيرة نسبياً. تتناول النماذج الموصوفة في الطلب الحالي بعض من هذه المشاكال الخاصة بالنظم القائمة. الوصف العام للاختراع تقدم النماذج التي تم الكشف عنها ‎Seals (Goh‏ ونظم لإجراء تحليل ذكي لصور فيديو لكشف ‎٠‏ أجسام؛ ‎Jie‏ أجسام بشرية. في نماذج معينة؛ طريقة لكشف أجسام بشرية في فيديو تشتمل على تحديد أن بكسلات معينة من صورة الفيديو تمثل بكسلات أمامية ؛ حيث تشكل المجموعة من البكسلات الأمامية مجموعة بقعة أمامية من واحدة أو أكثر من البقع الأمامية؛ لكل واحد من مواقع !اا في صورة الفيديوء حيث لا تمثل عدد صحيح؛ تقارن شكل محدد مسبقاً مع مجموعة البقعة الأمامية للحصول على احتمالية كنك
_ _
مناظرة لإنسان في الموقع؛ وبالتالي يتم الحصول على احتمالات ‎N‏ تناظر احتمالات لا؛ واستخدام
احتمالات لاا وتحديد أن ‎X‏ أشخاص يتم تمثيلهم بواسطة مجموعة البقعة ‎dele)‏ حيث أن ‎X‏
تمثل عدد صحيح.
طريقة لكشف أجسام بشرية في ‎pad‏ يمكن أن تشتمل على تحديد بكسلات صورة الفيديو لمنظر
© في العالم الحقيقي ‎Jia‏ بكسلات أمامية؛ وأن مجموعة من البكسلات الأمامية تشكل مجموعة بقعة
أمامية من واحدة أو أكثر من البقع الأمامية؛ ولكل واحد من مواقع لاا في صورة الفيديو؛ حيث ‎N‏
‎Ji‏ عدد صحيح؛ تقارن شكل محدد مسبقاً مع مجموعة البقعة الأمامية لتحديد أن ‎X‏ أشخاص يتم
‏تمثيلهم بواسطة مجموعة البقعة الأمامية؛ حيث أن ‎Jia X‏ عدد صحيح.
‏يمكن أن تتضمن الطرق تحديد موقع كل واحد من ‎X‏ أشخاص . يمكن تحديد مواقع كل واحد من ‎X Yo‏ أشخاص على ‎Lua‏ موقع د اخل مستوى أفقي من العالم الحقيقي 3 مثل موقع على مستوى أرض
‏مادية من العالم الحقيقي.
‏يمكن استخدام كشف الأجسام البشرية لعد الأفراد. لتحليلات الحشود ولاكتشافات أحداث أخرى.
‏يتم الكشف عن نظام ‎Seals‏ يمكن تهيئتها لإجراء ‎Jie‏ هذه الطرق.
‏أوساط قابلة للقراءة ‎readable media‏ بواسطة حاسب آلي تحتوي على برمجيات ‎software‏ ‏5 يمكن استخدامها لتهيئة حاسب آلي لإجراء العمليات الموصوفة في الطلب الحالي وتشتمل على
‏نماذج أخرى من الاختراع.
‏شرح مختصر للرسومات
‏ستكون النماذج التمثيلية مفهومة بمزيد من الوضوح من الوصف التفصيلي التالي عند تناولها
‏بالاشتراك مع الأشكال المرفقة. تمثل الأشكال نماذج تمثيلية غير مقيدة طبقاً لما تم وصفه في ‎ye‏ الطلب الحالي.
‏الشكل ‎١‏ يوضح نظام مراقبة نموذج بالفيديو وفقاً لأحد النماذج التمثيلية من الاختراع.
‎Teg
‎Qo _‏ _ الشكل ‎١‏ يوضح هيكل تمثيلي من تيار فيديو من نظام المراقبة بالفيديو وفقاً لأحد النماذج التمثيلية من الاختراع. الشكل “أ يوضح مخطط تدفق بياني تمثيلي لكشف هدف وعد ‎Ty‏ لأحد النماذج التمثيلية من الاختراع. © الشكل "ب يوضح أحد الأمثلة حيث يشغل العديد من النماذج البشرية صورة لفيديو ثنائية الأبعاد؛ كل منها يناظر موقع مختلف بالنسبة إلى صورة الفيديو ثنائية الأبعاد الشكل ؟ج يوضح صف مفرد من إحداثيات تمييز (*؛ لا) ١7؟‏ كل منها مرتبط بنموذج بشري مناظر ‎NY‏ ‏الشكل ‎OF‏ يوضح طريقة تمثيلية لحساب خريطة احتمالية بشرية. ‎٠‏ الشكل ‎AY‏ يوضح طريقة تمثيلية لإجراء خريطة مفردة لخريطة الاحتمالية كجزءٍ من إيجاد أفضل عدد من النماذج البشرية في صورة فيديو . الشكل ‎SF‏ يوضح طريقة ‎shal‏ مجموعة تمريرات لخريطة الاحتمالية فيما يتعلق بإيجاد أفضل عدد من النماذج البشرية في صورة فيديو . الشكل ؛ يوضح ‎zis‏ بشري شامل يتضمن ‎zis‏ اسطواني ثلاثي الأبعاد ‎Three—‏ ‎dimensional Vo‏ ونموذج هيكله المحدب ‎convex hull‏ المناظر ثنائي الأبعاد. الشكل © يوضح نموذج كاميرا شامل مسطح الأرض يمكن معايرته باستخدام العديد من عينات الصور البشرية. الأشكال ١أ؛‏ 1ب و ١7ج‏ توضح نتائج كشف تمثيلية. الأشكال ‎Vy‏ و اج : توضح أحد الأمثلة لرؤية كثافة حشود بشرية بناء على نتائج الكشف 9ص البشري. الشكل ‎A‏ يوضح تطبيقات تمثيلية لكشف أحداث متنوعة متعلقة بالحشود. كنك

Claims (2)

  1. ده عناصر الحماية ‎-١‏ طريقة لكشف أجسام بشرية في فيديو؛ تشتمل على: تحديد أن بكسلات صورة فيديو تكون بكسلات أمامية ‎pixels‏ 1016910000 صورة؛ وأن مجموعة من البكسلات الأمامية تشكل مجموعة بقعة أمامية من واحدة أو أكثر من البقع الأمامية ‎foreground blobs‏ ؛ لكل واحد من أشكال المحددة مسبقًا في المواقع المناظرة من مواقع لا © المحددة مسبقًا في صورة الفيديو؛ حيث ‎LGN‏ عدد صحيح مقارنة شكل مناظر محدد مسبقاً مع
    مجموعة البقعة الأمامية للحصول على احتمالية مناظرة لإنسان في الموقع؛ وبالتالي يتم الحصول على احتمالات ‎N‏ تناظر احتمالاتلا ؛ باستخدام احتمالاتلا ؛ وتحديد أن أشخاص يتم تمثيلهم بواسطة مجموعة البقعة الأمامية؛. حيث أن *ل ‎Jia‏ عدد كامل؛ و تزويد واحد على الأقل من تقريرء ‎I)‏ واكتشاف حدث باستخدام تحديد تمثيل ‎X‏ للبشر؛
    ‎٠‏ حيث يتم تحديد مقاس الشكل المناظر المحدد مسبقًا لكل موقع من مواقع ‎N‏ استجابة لمعايرة نظام الفيديو؛ و حيث إن مقارنة الشكل المناظر المحدد مسبقًا مع مجموعة البقعة الأمامية لكل أشكال ‎N‏ المحددة ‎Gre‏ تشتمل على تحليل مقدار منطقة تداخل للشكل المناظر المحدد ‎Bie‏ مع مجموعة البقعة الأمامية.
    ‎Vo ‏الطريقة وفقاً لعنصر الحماية ٠؛ حيث تشتمل أيضاً على احتمالات لا لتحديد موقع كل‎ -" ‏واحد من * أشخاص.‎ ‏بشري يكون‎ X ‏حيث في الموقع المحدد من كل واحد من‎ oF ‏الطريقة وفقاً لعنصر الحماية‎ -*
    ‎Yo‏ موقع في نطاق مستوى صورة مناظر لصورة الفيديو. ؟- الطريقة وفقاً لعنصر الحماية ‎oF‏ حيث في الموقع المحدد من كل واحد من ‎X‏ البشر يوجد موقع بالنسبة إلى مستوى الأرض المادي المناظر للعالم الحقيقي.
    ‎Teg
    ‎Ad —_‏ _ 5- الطريقة وفقاً لعنصر الحماية ‎ua)‏ تحديد بكسلات أمامية ‎foreground pixels‏ صورةٌ الفيديو يتضمن مقارنة هيكل أول لصورة فيديو بدون الأجسام الأمامية بمقارنة هيكل ثاني لصورة الفيديو التي تحتوي على الأجسام الأمامية. © +- الطريقة وفقاً لعنصر الحماية ‎Cuno)‏ يكون الشكل المحدد مسبقاً متماثل لكل واحد من المواقع
    ‎N ‏حيث يكون للشكل المحدد مسبقاً لبعض على الأقل من‎ ٠ ‏الطريقة وفقاً لعنصر الحماية‎ —Y
    ‎١٠ ‏جزء‎ Syma ‏الطريقة وفقاً لعنصر الحماية )0 حيث معايرة نظام الفيديو تشتمل على تحديد حجم‎ —A ‏من صورة الفيديو المناظر لمتوسط الحجم البشري عند كل واحد من المواقع لا ؛ وحيث يتم تحديد‎ ‏حجم الشكل المحدد مسبقاً لكل واحد من المواقع لا استجابة حجم الصورة المناظرة.‎
    ‎Vo‏ +- الطريقة وفقاً لعنصر الحماية ١؛‏ تشتمل أيضًا على؛ قبل تحديد بكسلات صورة الفيديو التي هي ‎Ble‏ عن بكسلات أمامية؛ لكل واحد من المواقع ‎N‏ ؛ تحديد الشكل المناظر المحدد مسبقاً من خلال تقدير أن جزء الصورة الأمامية مشغول في صورة الفيديو ‎Laie‏ يخرج إنسان عند الموقع المناظر.
    ‎N ‏الطريقة وفقاً لعنصر الحماية 9؛ حيث إن تقدير جزء الصورة الأمامية لكل من المواقع‎ -٠١ 0 ٠ ‏يكون بناء على إسقاط نموذج بشري واقعي على مستوى صورة صورة الفيديو.‎ ‏الطريقة وفقاً لعنصر الحماية )0 حيث تشتمل صورة الفيديو على مجموعة من إطارات‎ -١١ ‏؛ كل واحد من المواقع لا‎ N ‏الصورة؛ يشتمل كل إطار صورة على صورة ثنائية الأبعاد لها مواقع‎
    ‎YO‏ مميز بزوج إحداثي مناظر * » لا في نطاق صورة ثنائية الأبعاد.
    ‎Teg
    _ _ ‎VY‏ الطريقة وفقاً لعنصر الحماية ‎VY‏ حيث كل واحد من المواقع لا يكون مرتبطاً بشكل مناظر واحد ‎N‏ محدد مسبقاً بالنسبة إلى مستوى صورة مناظر لصورة الفيديو. ‎-٠‏ الطريقة وفقاً لعنصر الحماية ‎٠‏ حيث تشتمل أيضاً على؛ لكل واحد من المواقع ‎N‏ ؛ حساب © نسبة استدعاء من الشكل المناظر المحدد مسبقاً وبقعة أمامية الصورة لتحديد احتمالية مرتبطة. ‎-٠6‏ الطريقة وفقاً لعنصر الحماية ‎OF‏ حيث لكل واحد من المواقع !ا ؛ يشتمل حساب نسبة الاستدعاء على تحديد نسبة من (أ) مساحة تشتمل على تداخل مساحة يشغلها الشكل المحدد مسبقاً والبقعة الأمامية و(ب) مساحة البقعة الأمامية. ‎١٠‏ ‎—Vo‏ الطريقة وفقاً لعنصر الحماية ‎١١‏ حيث تشتمل أيضاً ‎de‏ تكوين خريطة احتمالية باحتمالات ‎N‏ ؛ تحديد القيم القصوى الموضعية لاحتمالات لخريطة الاحتمالية. - الطريقة وفقاً لعنصر الحماية 10 حيث تشتمل أيضاً على انتقاء موقع أول من المواقع لا ‎Vo‏ المناظر لقيمة قصوى موضعية لخريطة الاحتمالية ؛ الحصول على الشكل الأول المحدد مسبقاً المناظر للموقع الأول؛ تحليل مقدار تداخل مساحة يشغلها الشكل الأول المحدد مسبقاً والبقعة. ‎-١١‏ الطريقة وفقاً لعنصر الحماية ‎Clam) T‏ نسبة أولى (أ) من مساحة تشتمل على تداخل مساحة مشغولة بشكل محدد مسبقًا أول وبقعة أمامية و (ب) مساحة بقعة أمامية ؛ ‎YS‏ حيث يتم استخدام النسبة الأولى؛ لتحديد أن كل أفراد يتم تمثيلهم بواسطة البقعة الأمامية. ‎-٠‏ الطريقة وفقاً لعنصر الحماية ‎١٠‏ حيث تشتمل أيضاً على اختيار مجموعة فرعية من أشكال ‎N‏ المحددة ‎Gow‏ بناءً على احتمالات لا . و تحليل تداخل مساحة تشغلها أشكال محددة مسبقًا للمجموعة الفرحية المختارة لاا ومساحة تشغلها ‎Yo‏ بقعة أمامية. ‎Teg‏ too ‏دقة وقيمة استدعاء‎ dad ‏الطريقة وفقاً لعنصر الحماية 10( حيث تشتمل أيضاً على حساب‎ —1 4 ‏بحيث تكون 17 عدد صحيح؛ كل واحد من مواقع 77 مناظر‎ (Nally 7 ‏لكل واحد من مواقع‎ ‏لقيمة قصوى موضعية لخريطة الاحتمالية.‎
    ‎-7١ 0‏ الطريقة وفقاً لعنصر الحماية ‎١‏ حيث تشتمل أيضًا على انتقاء تتابعياً من ‎١‏ إلى ‎Mm‏ لمواقع لاا وانتقاء موقع ‎(m-th)‏ باستثناء انتقاء واحد لاحق من مواقع ‎N‏ يقع في نطاق مسافة أولى محددة مسبقاً من موقع ‎th(m=1)‏ .
    ‏)1 الطريقة وفقاً لعنصر الحماية ١؛‏ تشتمل أيضًا على انتقاء تتابعياً من ‎١‏ إلى 17 من مواقع ‎(NY‏ حيث يشتمل انتقاء موقع تالي من مواقع ‎N‏ على اختيار موقع بناءً على قربه من حافة سفلية لصورة فيديو. ‎YY‏ طريقة لكشف أجسام بشرية في ‎«pad‏ تشتمل على: تحديد بكسلات صورة الفيديو لمنظر في العالم الحقيقي تمثل بكسلات أمامية ‎foreground‏ ‎pixels Vo‏ ؛ وتشكيل مجموعة من بكسلات أمامية لمجموعة بقعة أمامية من واحدة أو أكثر من البقع الأمامية ؛ لكل واحد من أشكال لا المحددة ‎Base‏ لمواقع مناظرة من مواقع ‎N‏ المحددة مسبقًا في صورة الفيديو؛ حيث !ا تمثل عدد صحيح؛ تقارن الشكل المناظر المحدد مسبقاً مع مجموعة البقعة الأمامية لتحديد )ل الأفراد الذين يتم تمثيلهم بواسطة مجموعة البقعة ‎Bale)‏ حيث أن ‎X‏ ‏تمثل عدد صحيح ويتم تحديد موقع كل واحد من ‎X‏ أشخاص على هيئة موقع داخل مستوى أفقي
    ‎dll oe Yo‏ الحقيقي. تقديم واحد على الأقل من تقريرء إنذارء اكتشاف حدث حيث تتجاوز الحشود العتبة؛ باستخدام تحديد تمثيل ‎XJ‏ أشخاص ؛ حيث حجم الشكل المناظر المحدد ‎Brose‏ لكل مواقع ‎N‏ يتم تحديده بناءً على معايرة نظام الفيديو؛ حيث يستخدم النظام للحصول على صورة فيديو.
    ‎Teg
    ‎h —_‏ _ حيث إن مقارنة الشكل المناظر المحدد مسبقًا مع البقعة الأمامية لكل من أشكال ‎N‏ المحددة مسبقًا تشتمل على تحليل مقدار من مساحة تداخل للشكل المناظر المحدد ‎Bre‏ مع مجموعة البقعة الأمامية. © 9؟- الطريقة وفقاً لعنصر الحماية ‎YY‏ حيث تشتمل أيضاً على كشف وجود حشد بمراجعة
    ‏بعض على الأقل من مواقع ‎X‏ أشخاص . ؟- الطريقة وفقاً لعنصر الحماية ‎YY‏ حيث تشتمل أيضاً على تحديد وجود حشد عندما يتم تحديد أن 7١ل‏ ل أشخاص توجد في نطاق منطقة من المستوى الأفقي من العالم الحقيقي.
    ‎١١ ‏حيث تشتمل المنطقة الأولى على شكل هندسي محدد‎ VE ‏الطريقة وفقاً لعنصر الحماية‎ -»5 ‏مسبقاً له حجم مساحة محدد مسبقاً في نطاق العالم الحقيقي.‎ ‏حيث تشتمل المنطقة الأولى على منطقة محددة بدائرة.‎ VE ‏الطريقة وفقاً لعنصر الحماية‎ -7
    ‎Vo ‏الطريقة وفقاً لعنصر الحماية 77؛ حيث تشتمل أيضاً على تحديد كثافة حشد أول في نطاق‎ — YY ‏منطقة أولى مناظرة لهيكل أول لصورة الفيديو؛ تحديد كثافة حشد ثان في نطاق منطقة أولى‎ ‏مناظرة لهيكل ثاني صورة الفيديو؛ تحديد تجمع حدث حشود استجابة لكثافة حشد أول وكثافة‎ ‏حشد ثان.‎
    ‏9ص ‏8- الطريقة وفقاً لعنصر الحماية ‎YY‏ حيث تشتمل أيضاً على تحديد كثافة ‎ada‏ أول في نطاق منطقة أولى مناظرة لهيكل أول صورة الفيديو؛ تحديد كثافة حشد ثان في نطاق منطقة أولى مناظرة لهيكل ‎SB‏ صورة الفيديو؛ تحديد حدث تشتت حشد استجابة لكثافة حشد أول وكثافة حشد ثان.
    ‎YO‏ 4؟- نظام مراقبة بالفيديو؛ يشتمل على مصدر فيديو مصمم لتزويد صورة فيديو من منظر من العالم الحقيقي؛ وحدة اكتشاف أمامية مصممة لاكتشاف بكسلات صورة الفيديو؛ مجموعة من
    ‎Teg
    7ج البكسلات الأمامية ‎foreground pixels‏ تشكل مجموعة بقعة أمامية لواحدة أو أكثر من البقع الأمامية؛ وحدة اكتشاف بشرء؛ حيث إن كل شكل من أشكال لا المحددة مسبقًا في المواقع المناظرة ل لالفي صورة ‎dua pad‏ لا عبارة عن عدد صحيح؛ تكون وحدة الاكتشاف البشري مصممة لمقارنة © الشكل المناظر المحدد ‎Bre‏ مع مجموعة البقعة الأمامية لتحديد ‎X‏ أشخاص يتم تمثيلهم عن
    طريق مجموعة البعقة ‎dele)‏ حيث تكون ل عبارة عن عدد كامل؛ حيث تكون وحدة الاكتشاف البشري مصممة لمقارنة الشكل المناظر المحدد مسبقًا مع البقعة الأمامية لكل شكل لا محدد ‎Base‏ ‏عن طريق تحليل مقدار لمنطقة تداخل من الشكل المناظر المحدد ‎Bre‏ مع ‎de gene‏ البقعة الأمامية؛ و
    ‎٠‏ وحدة استجابة مصممة لتقديم واحد على الأقل من تقريرء إنذار» واكتشاف حدث ‎Laie‏ تتجاوز الحشود العتبة؛ باستخدام تمثيل ل ‎X‏ أشخاص .
    ‏كنك
    يخ
    . % % Fo | 3 * 0 x he 1 } Y 1 1 , A 0" "> : ‏ا ل © اليس بر‎ iS 1 | ; : ¢ 1 > ال بس ‎X L‏ يد dowd he rd Yoo} ١ ‏شكل‎ ‎TEN jo 3 ws Lg 4 BF cies SREY | 1 *( ‏لوس‎ ‎lk ET | RE ‏ف‎ EE rE ‏تنب‎ RE i AE i Ae ews i i SE ‏لومي بج جو ل‎ 5 ‏ات‎ SH ‏ا ا إل‎ : 3 ٍ 8 ‏ب‎ ‎i end ‏ااا‎ a i] ‏ال‎ Ay BRST er Ey I se LEE Sam 4 GE, SEE rH ELSE Een k ‏ب ا امل ل‎ a > ‏ل‎ AY : SUEUR ESE RE So = 3 ‏ل‎ RETRY FRE oy RARER a ¥ BE : wy SLL Em 9 oi PRS RE Bs see] SER EY LL hy FE Sy PARE >] Feil 3 Js ‏ل‎ ‎Eg ‏وا‎ a Won ‏ا د ا ا ا ا‎ ‏الاي‎ EERE ‏ل ا ل ا‎ # ‏اا‎ SANE SE 1 ‏ال‎ RN - SE NN ad ‏دمي‎ HC ER RR TE EARN RRR + ‏ا ال‎ ta Sn EEN Rint A RR EERE EER SERRE ‏ا ل‎ ‏ا‎ a ‏اق‎ J FO CETTE: ‏اموي‎ La Er SU : CARTS ERROR + ‏ا لحا الاج‎ 3 FE FRE 1 ‏لا ا‎ 8 ‏اد لاما ااا‎ ‏ام‎ Rs in SR ‏تا‎ ess 5 { BENE SYRRE SPEEA : OX seme Na CR ‏الو‎ ‎20 ‏ا‎ Rdeaa 58 ‏اا ا الا‎ x RR PR WR EX ‏ا لت‎ ‏ا‎ ‏يب‎ a Te nly Ea RC J SEN 0 ‏ل‎ a ‏الا‎ ‏تت المي‎ NRE i ig Soe, AERTS f oR see ‏الى الك‎ 1 ‏ا ا‎ RTE : ‏ا‎ ‏تا 1 بو ب‎ IY Pra ‏الل ل‎ R Bk ERIE ‏ا‎ ‎2 i GEERT R py WS AR ‏اي ا الما‎ ‏الات ا امسا‎ A ‏ل الا ل تاي ان اي‎ SEEN ‏ال يتا‎ A ‏بهد‎ ‏الا ا ا ا نس‎ + ‏ال‎ ‎4 SRR sob PERI SL a I LC 3 PRL ‏ا لجو عي أ‎ ‏ا‎ 3 : RS : WE 3 ; oo i po ‏دم 8 الم‎ 03 ‏م‎ i AREA
    _ Qo = YY ‏ا ل . . 1 سس‎ ‏ا‎ | " r ' | ¢ Lt Ee a TT TeX Yel CEA] Teg
    -ه١-‎ ‏امن‎ ‏بن أ‎ at Xa 0 1 ْ ‏م1 با ون لج‎ 1 ‏د‎ Sl y 0 1891 \ FN mE, © ‏ب‎ ta ١ wy, _ a ‏الج الا‎ LL f K ‏محر‎ ‎a) fo & 0 ( iy ) ‏شكل‎ Ska / Va 4 Bratman : ‏اله‎ ‎| 4 (re) | .' ‏زر كر‎ ‏اها اساي‎ (er) ‏شكل‎ ‎Tag
    اج .ع ‎i J‏ ان ‎TN‏ ض ‎ab is‏ #8 _ “ الشكل ‎sy‏ ‏كنك
    ‎Ad —‏ جم ا جيني 7 بداية مسي يي ال 5 ‎Sres‏ ‎pe “a, 3 :‏ ‎bl‏ ين ‎si‏ ‎re | “a ْ‏ ‎Sven Pe VR,‏ : 5 مح ايا ب ب ا نعم 7ل ‎Fa TY‏
    3 . لضا 3 ‎Se‏ ‏اسه ‎١‏ لشكل ام ‎Teg‏
    _ جم للستت ‎Coa)‏ ‎eso I‏ : بخ ا 1 ا : 1 : : 0 ‎ES 0‏ ْ 5327 1 :ْ ا لمسسسسسسسسسسس سس ض ,ْ & 5 القع 0 ‎Sra :‏ 1 ‎t [1‏ : ْ ا 1 ‎Ra pe‏ مي 0 به ‎BE‏ مين ‎Sra ld‏ سه ين ‎To‏ ‏يي ا ‎eT 3‏ الس : ; ليع إن 3
    ا 1 ‎is‏ ‏يم 1 ‎ard] iy‏ ا ‎fan SOR‏ ¥ الشكل ؟ في + ‎J‏ ‏ا he ie] ‏جتحي‎ 0 + en Na ‏اا 3 نهل‎ enn 5 Eh] [ated i Boy es BE Dn.
    LR 88 AR Sa ie ‏إٍْ‎ A ‏ا ع‎ ‏ان الما اا‎ 1 ‏الا الاي اط م‎ 0 i ‏اي‎ I AN a en ١ ‏رء‎ ‎: sie visi i 0 ‏ا المح موود م ال‎ i fren EEE [4 A 7 © ‏نا‎ fa i Ng ERG 2 : ‏ا 8 ا‎ = 0 ‏ص‎ " HL + ‏الشكا‎ ‎At ‏ف‎ i ‏ب‎ ay i ‏مل‎ ١ \ oe 1 i wr > + ‏زج المح د الوا جين ممم ل ا الم ل ا‎ bd ‏اا ا الا اا ا ا‎ La ht Le ny kd SUN A Te RR a Se 4 bo JS ‏ترا او‎ AT lm 1 - ‏الا‎ RR ‏ده‎ & CET ¥ Pig ELE NER Es ‏ل‎ 1 ‏ا 0 الا‎ SL Re] 1 AE GEE 0 ST wg i yt 1 5 ni 1 0 i bo a: = ha in ay : 5 hoot ot nye) ae, Rs 0 : 3 SIRT en NGA TR gh 0 ‏ااا اي‎ : ‏تله تتام‎ a =) I AE Ra BE i 2 ‏را ا ا ال ل‎ 0 Sn ‏ا‎ i 0 ETI ‏ا ال ا اي يي‎ 0: : RAR sss 1 1 ‏لاا‎ ‏ا‎ ‎& ‏لشكل‎ > Teg
    ‎h —_‏ جم - 1 ‎Co 1 3 me‏ \ حم حا > ىا ‎١١ 1 RTT‏ ل اا نا ذا ‎TE‏ ‏نات ‎A io 1 ١1 CoN‏ ‎ST } LA Se AS CO‏ 1 قن 8 ‎i‏ { 1 نب ‎ot hat SC‏ ‎SE | ae 5% x, 3 1‏ 3 0 ال : } \ | ل م ‎my Uy‏ | أ ثم ‎١ RE ١ ١‏ 71 + _ذ : 8 ا ا ‎Non‏ ار امك 5 ‎i‏ : نم ‎y J‏ 15 0 § 0 5 مي يأ ‎A‏ : و 8 ٍ م 01 | ‎val x Pd‏ ‎AN‏ ل { خم حسم 1 ‎I‏ { يحضي ‎CE i‏ ‎UN‏ ا | لخ ا ‎i NU‏ ‎TSN A Box‏ >كد0 2 ‎EA Rh‏ 1 د 3 1 ا ‎OH FE‏ ب ‎RE SB‏ ‎١ ١+0 |‏ 7 7 4 ا ل ) ‎id } oh H‏ 3{ : 1 | { ‎x 1 \ { 8 I‏ \ ) (\ ابيا ‎ok Ne 3 SEEN VF WL UE NIL CL‏ ‎J »‏ | امك سيا النسنا سلا ‎J Ld‏ ام يسا ب حور ‎Co 0 X‏ ‎{eon‏ ‏شكل ‎(In)‏ ‎Tg‏
    > I "a ly — a Sion a ‏“ما‎ ‏لي‎ - 5 , a yr 1 an A RN a Ne a La . XN LL ٠ ‏أ ا‎ ‏ل ا ا يي‎ J 7's. fois ‏فالسمنم نط لا‎ ‏ال *؟*‎ 7 {ree} (wl) ‏شكل‎ ‎Teg
    ‎A —_‏ جم & 0 3 ‎y‏ + ‎k3 7‏ 7 ا ‎Yom‏ ‏|,ززأإأأإألبسلل('لي6سشس+>اسجلبإبلللللللسللللللللمستمسمس جه ‎ee‏ ححصي
    ‎em.
  2. 2. WW‏ ‎Wars. a 1‏ ‎EE‏ ل ال ا ا ‎a‏ حي اح ال ا ا ‎ee‏ ا : سنن ‎ey‏ ل ها 8 لبا م ال متي ‎TT Py‏ ا لت لد لح لح ل ل ا ل ا ل ‎a ١ hail‏ سم ص ‎—L‏ د اناكم ل ل ل ل ‎Mer‏ لذ ا اه ا ا ا ا ا الت اا ا اه ا ا ا تا اي ا تج ل ل ل ا ا ‎Trey oN Bey‏ ‎eee‏ ا لاا ‎ee %‏ 0 | خضي يا ‎FR RN leet‏ ا ‎PPL saa a es a‏
    ‎Be.‏ ‏الآ ‎af‏ : ‎Re I eR ee‏ ‎SR RA A SH SI SOME Rn AERA Le CLI‏ و ل ا ‎ir rt‏ ‎ff Nr‏ ‎ee‏ أ اسح = لا ااا الا ‎E‏ ‏: د 5 أنه ; ا ا ا الي
    ‎«a. aa‏ ; ‎RE Aa a ra SE ei]‏ ‎RE a = nF‏ ‎Ree EN‏ ا ‎aa‏ ا ‎San‏ ~~ ‎a‏ ل ل ‎fF‏ ‎He Ee‏ ل ‎Roman rN‏ ‎Cary a ~‏ ا _ ‎Ee...‏ ‎Ly‏ ال اذ ام . __.—_ ‎TY‏ تخ اد لس 3 ‎fo‏ ‎aaa NRE‏ الا ‎TR gd‏ ‎Le‏ لس ااال ‎A.‏ ‎nn, SE‏ ‎TRL‏ ‎Ge eg‏ اي ا بس - الذي م ى| لاجم ال ا ل ال ا بك ع ‎RS ah? ET I I ee‏ ‎eR TR eg‏ ينم ال ل ‎Son‏ 4 ‎bY‏ 5 د ‎va . 3 0‏ سم 7 محور ‎y‏ ‎fe =‏ ‎Be‏ ‏شكل (+ج) لخر ‎FF of‏ + الخ
    ‎q —_‏ جم ‎SE Ee‏ جلا = 0 0 ‎Ne ND‏ ل ا ‎le 0 RR EEN‏ ‎PERN aaa‏ اي ‎a Foal tN ٠‏ 3 م لد ‎GARE Ea‏ ا ‎SN a‏ خض ا ل ل بحسي © ا اق مدلا ‎EERE Had‏ 2% ا ا الا ‎a fa‏ £5 8 ا 3 بدي 2 ‎ab 5 Soiled : TR AE \ oF : i‏ : اع ‎ois Ce‏ ا 3 ‎ER po‏ £7 ‎Nee‏ لح ٍ' ‎NL‏ ااا 0 ‎Ley‏ : ‎PUNE y NE Ree aN Se‏ ‎em‏ ان 5 ‎Tag benny‏ & اا 1 ‎ed Rs ee‏ جلا ‎re i RE a‏ > ل ‎of id‏ 5 ا ا ا ‎Tae 1 —‏ 5 يا الثم اله ا ‎ee a‏ لل ‎Wa Ely‏ لتقي ‎FA £2 1 h. a‏ ‎x Sand AF 4 9 SIRES Ne abe.‏ ‎yo FG =‏ التي ‎fig‏ ‏| = ل اا 5% الس تت ا للد نا ‎A‏ ‎EEE ERR Tae SNE‏ اا ل اج ‎HE‏ ‎nw‏ 3 اا اتج 8 ‎tad‏ ‎EN be‏ اد الل & ‎Sl‏ ‎Na Jenene RN‏ > 9 ‎NHR NEE aan ARERR‏ مسلا ا 8 0 0 ا . 3 لاا تاج و لاد ٍ ا الا ا ا ‎RE Sire NE Fi‏ ار م د بيك اا 1 ‎i EER‏ ا 7 سال ا 5 ‎Nea‏ ا ‎Na 5 Oe‏ ا ‎Fa a Rood met a‏ ‎re NE 8‏ 17 ا ‎oF en Pr‏ ا 0 ‎NE 3 Na ay‏ 0 ا ا : الا | 0 -- ال ‎EES‏ ااا الك 8 1 ا 5 8 ‎Lae i SERRE‏ 1 : اووس ا — اا »& > ‎Sha‏ ل ‎SER‏ ل ‎AIRE‏ الم ‎Hoe ay shes Wo a SE __#‏ ‎ew ABT . 8‏ ب ‎NN 8 ER‏ ميا ‎١‏ ال 3 ا ‎k: REESE aan‏ ا اص اد لالم ‎sas EEE =‏ 8 > 8 ‎+X Ta ee A Na‏ 15 23 ‎Fas Ly site NG Ne‏ ا ا أ ب و : ‎AW SRT‏ & 8 = ااا 4 ا يه 3 ا ‎Pow‏ لحم ‎a‏ % ‎Seti 3 ol SER RN NEE‏ ل ا 8 ‎Ss‏ : ا ‎I‏ ا ‎We got‏ الا ايها ا اج - 7 ا ا_ دا - ال - ل ‎Ne 2 Na =X‏ = ال ا اش ال ل 3 ‎x RRO gent‏ ف 2 0 ‎oF‏ 3 ا ‎ORE a pager ie‏ = 1 ل 4 ‎“ug‏ ‎ALAR, — rN‏ ‎A NN Sh NN‏ ال ين ‎N Se‏ ع الاك 8 0 ل ل ل ما . ا ا 1 ‎SCAT ar REN‏ 3 ا الك ُُ ب اج ااا ‎RE‏ ا 0 8 له ‎Ps‏ 5 وح 8 ‎Se‏ %“ ‎Sig Wis‏ ‎ME‏ ‎ry‏ ‏6 ‏ل ‏* ‏=$ ‏سلا ‎iy ) AL.‏ ( ‎Teg‏
    _ h «= : a : 2 3, ve » ao \ sO © 3 BY o i HEY \ Ny . © ab ‏م‎ LO ‏فليا يا‎ J mt Sho © NALD, OO on ; ‏م ين للها "ب‎ LY ‏كبة .مجر ام‎ i ‏طم جا‎ Ff ‏أ‎ ‎we ‏إٍ ا لا ا‎ ‏رج —_— ا من جد‎ J [ Rhode? = Joi 1 [ ‏ا‎ We a cic Xe vo Sa WV ‏الشكل‎ ‎) ‏ل‎ / . - ‏لذ‎ ١ yd . = . {
    NN. 2 ‏ان‎ ‎- «J Naa 3 a = 1 EVIL EY ‏الشكل اج‎ ‏كنك‎
    -أ١-‎ AF a B iF ‏ض‎ 0 ol ‏مين‎ ‎re ‎Yad ‎A ‏الشكل‎ ‎Hay ‎te eis ‏ادا ل‎ : ‏ب‎ ‏امي‎ 4# ‏م‎ 3 Ay 1a Teg
    ‎AED‏ | لمعل 3 تع 1 ‎EX‏ ‏14 ري
    ‏ب ا .
    ‏: إِ ا
    ‏= ل ‎a‏ :"0 تت ‎ra Ei‏ ‎ThE‏ ‏1 لكا ‎[I‏ 4 ‎nd‏
    ‎REN
    ‎Viet Frag
    ‎” 1 0 x ) ay ‏نس‎
    ‎ABER ‎1 ‏الب‎ Jr ham Se Lx 14a ‏ب‎ ‎Eo ‏ا‎ ‎١ ‏الشكل‎ ‏نبب‎ ‏ا‎
    (A PRA i ‏ض‎ 7 8 ¥ Say ٠١ ‏الشكل‎ ‎ey ‏الا‎ NU 4 a : 2 0 : he Cm CN rey Thy 0 ee + ‏الشكل‎ ‎TEN
    : A Te 3 on RE RR: : i 7 JE NL "ES : hE 8 : ay . : au RN NE WO ; Ra NS : ‏ا‎ RS 3 lie Oi : ‏تا‎ Si No A 2 : SEN Ha A ‏ا‎ ‎1 YE cy he 2) ‏لخ‎ ‎: 3 BNR) Rd 3 WF, Ni % a + ‏ل اي‎ rr i amd XN JT Pl a ad : 2 FRR HERR SE a SE 3 a 0 ‏اال لدب ال‎ : ‏ال‎ Re pis RO : ‏م 7 ا‎ 3 ay Nd 8 : SR Ra BF 5 3 35 NEE SHER aS 3 EE SEA SER 3 1 fa bee Oa) WE Enea Don : 8 ‏م‎ Sr 3 FN 8 pot g . : Ra Si 8 x AE oe i.
    EN ‏مجح ججح ج مجه‎ Sa = i 5 ¢ E Th Bae 3 ‏أ قم‎ i FURR RHI RAR RRR SS SEI 2 pay RRR IIHR : pera a : ‏ل‎ SRR A B : : yp. a 3 : & SATE ihn Say ER 3 : ‏ل‎ Re pred § 1 SE na SE ME 3 : any PORN SRE DAAC SEE § : ARE EERE RELIES RY NEAT B : SE Ree Ce SA NNER 3 : SR SNES X Wen ‏ا‎ : 1 ‏اال‎ ٍ 8 : ‏ا‎ SEER 9 RRS 1 3 : ‏ا‎ AR SERA REN RR 8 : 8 Na SRR A SEEN . & MEER NR NER AR SERRE : : Say I 3 NEN : : 1 ‏ل‎ ER SE SEER 3 a TEE CR REE SRR Vea : EY Pata aah Naa 3 Bo aN ENN Nol Sa : 1 2 REINS 2 RAS i Ss 3 3 88 EH ‏ا‎ N EN 3 : Vay TaN Se NN Saas : 3 3 Viana 0 aaa A 3 MRSA Re SE NN SETH NR |: 1 aT a RE FAN Maa EN 3 2 ER a Cava NE aa ENC 1 ERE ZA NN SET LF 2 : : Nia oF 3 : ‏ا‎ a SRA 2 3 1 ‏ا‎ 3 3 1 ESE 7 : 1 ‏ا‎ ass SEER ANNE 3 : TEAR SRNR ERS RR 0 B 1 ‏ا لي‎ : RW : 1 ‏ان‎ 38 3 : a he aaa 3 : Sh 3 fad 3 4 ‏ا‎ 3 ‏ب‎ Sa & 2 \ ¢ ‏ل‎ FS 0 ‏ب ا‎ Teg
    اج ‎-1١‏ ‏انا 7 الل يف 9 ا تيع . ‎a Tu‏ ‎d ٍِ‏ اق ٍ 17 الشكل ‎yo‏ ‏تح ‏ت- ‏واي ل ا ‎TE Ha, ;‏ ‎an‏ 1 ,5 + ب الشكل ‎٠١‏ ‏ا
    , ‏اباد يجا‎ ْ NEN , 0 ‏ا‎ FL ; ETE Ee ee , Pal 5 CL —F Flite i IE ed ; fans ER ea 1 ‏ا‎ al Ran sen of INE ‏تالت ام‎ a ] FE - ER 1 Si HEE BE ag Ie ah
    ¥ ‏لشكا 8 ب‎ i
    Teg
    مدة سريان هذه البراءة عشرون سنة من تاريخ إيداع الطلب وذلك بشرط تسديد المقابل المالي السنوي للبراءة وعدم بطلانها أو سقوطها لمخالفتها لأي من أحكام نظام براءات الاختراع والتصميمات التخطيطية للدارات المتكاملة والأصناف النباتية والنماذج الصناعية أو لائحته التنفيذية صادرة عن مدينة الملك عبدالعزيز للعلوم والتقنية ؛ مكتب البراءات السعودي ص ب ‎TAT‏ الرياض 57؟؟١١‏ ¢ المملكة العربية السعودية بريد الكتروني: ‎patents @kacst.edu.sa‏
SA515360136A 2012-09-12 2015-03-12 طرق وأجهزة وأنظمة للكشف عن أهداف في محتوى فيديو SA515360136B1 (ar)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261700033P 2012-09-12 2012-09-12
US13/838,511 US9165190B2 (en) 2012-09-12 2013-03-15 3D human pose and shape modeling
PCT/US2013/059471 WO2014043353A2 (en) 2012-09-12 2013-09-12 Methods, devices and systems for detecting objects in a video

Publications (1)

Publication Number Publication Date
SA515360136B1 true SA515360136B1 (ar) 2018-08-02

Family

ID=50233311

Family Applications (1)

Application Number Title Priority Date Filing Date
SA515360136A SA515360136B1 (ar) 2012-09-12 2015-03-12 طرق وأجهزة وأنظمة للكشف عن أهداف في محتوى فيديو

Country Status (15)

Country Link
US (3) US9165190B2 (ar)
EP (1) EP2895986B1 (ar)
JP (1) JP6424163B2 (ar)
KR (1) KR102358813B1 (ar)
CN (2) CN104813339B (ar)
AU (1) AU2013315491B2 (ar)
CA (1) CA2884383C (ar)
IL (1) IL237647B (ar)
MX (1) MX347511B (ar)
MY (1) MY175059A (ar)
RU (1) RU2635066C2 (ar)
SA (1) SA515360136B1 (ar)
SG (1) SG11201501725RA (ar)
WO (1) WO2014043353A2 (ar)
ZA (1) ZA201502413B (ar)

Families Citing this family (143)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103731598B (zh) * 2012-10-12 2017-08-11 中兴通讯股份有限公司 一种智能监控终端及视频监控方法
US10009579B2 (en) * 2012-11-21 2018-06-26 Pelco, Inc. Method and system for counting people using depth sensor
EP2926317B1 (en) * 2012-12-03 2020-02-12 Harman International Industries, Incorporated System and method for detecting pedestrians using a single normal camera
US9020189B2 (en) * 2012-12-07 2015-04-28 The Nielsen Company (Us), Llc Methods and apparatus to monitor environments
US9536137B2 (en) 2013-03-26 2017-01-03 Megachips Corporation Object detection apparatus
US10373470B2 (en) 2013-04-29 2019-08-06 Intelliview Technologies, Inc. Object detection
CN105518755A (zh) * 2013-09-06 2016-04-20 日本电气株式会社 安全系统、安全方法和非暂时性计算机可读介质
US11615460B1 (en) 2013-11-26 2023-03-28 Amazon Technologies, Inc. User path development
CA2847707C (en) 2014-03-28 2021-03-30 Intelliview Technologies Inc. Leak detection
CN105096406A (zh) 2014-04-30 2015-11-25 开利公司 用于建筑能耗设备的视频分析系统和智能楼宇管理系统
JP6474396B2 (ja) 2014-06-03 2019-02-27 住友重機械工業株式会社 人検知システム及びショベル
US11138443B2 (en) 2014-06-30 2021-10-05 Nec Corporation Guidance processing apparatus and guidance method
US10943357B2 (en) 2014-08-19 2021-03-09 Intelliview Technologies Inc. Video based indoor leak detection
US9361524B2 (en) 2014-10-20 2016-06-07 King Abdullah University Of Science & Technology System and method for crowd counting and tracking
US10687022B2 (en) 2014-12-05 2020-06-16 Avigilon Fortress Corporation Systems and methods for automated visual surveillance
SG11201704573PA (en) * 2014-12-24 2017-07-28 Hitachi Int Electric Inc Crowd monitoring system
WO2016114134A1 (ja) * 2015-01-14 2016-07-21 日本電気株式会社 移動状況推定装置、移動状況推定方法およびプログラム記録媒体
US10679177B1 (en) 2015-03-25 2020-06-09 Amazon Technologies, Inc. Using depth sensing cameras positioned overhead to detect and track a movement of a user within a materials handling facility
US10586203B1 (en) * 2015-03-25 2020-03-10 Amazon Technologies, Inc. Segmenting a user pattern into descriptor regions for tracking and re-establishing tracking of a user within a materials handling facility
US10810539B1 (en) 2015-03-25 2020-10-20 Amazon Technologies, Inc. Re-establishing tracking of a user within a materials handling facility
US11205270B1 (en) 2015-03-25 2021-12-21 Amazon Technologies, Inc. Collecting user pattern descriptors for use in tracking a movement of a user within a materials handling facility
CN105519102B (zh) * 2015-03-26 2018-12-28 北京旷视科技有限公司 视频监控方法和视频监控系统
JP6344311B2 (ja) * 2015-05-26 2018-06-20 ソニー株式会社 表示装置、情報処理システム及び制御方法
CN106557765A (zh) * 2015-09-29 2017-04-05 欧姆龙株式会社 注意检测装置以及注意检测方法
CN105279484B (zh) * 2015-10-10 2019-08-06 北京旷视科技有限公司 对象检测方法和对象检测装置
US10083376B2 (en) * 2015-10-19 2018-09-25 Honeywell International Inc. Human presence detection in a home surveillance system
US10323450B2 (en) * 2015-10-20 2019-06-18 Hi-Tech Solutions Ltd. Cloud-base ANPR management
CN105404852B (zh) * 2015-10-28 2019-01-25 广州视源电子科技股份有限公司 一种显示公共卫生间空位的方法及装置
US11347192B2 (en) 2015-10-30 2022-05-31 Signify Holding B.V. Commissioning of a sensor system
CN105574499B (zh) * 2015-12-15 2019-08-20 东华大学 一种基于soc的人数检测统计方法及系统
CN108701211B (zh) * 2015-12-28 2023-09-12 罗伯特·博世有限公司 用于实时地检测、跟踪、估计和识别占用的基于深度感测的系统
WO2017137287A1 (en) 2016-02-11 2017-08-17 Philips Lighting Holding B.V. People sensing system.
WO2017166098A1 (en) * 2016-03-30 2017-10-05 Xiaogang Wang A method and a system for detecting an object in a video
US9576205B1 (en) * 2016-03-31 2017-02-21 Pointgrab Ltd. Method and system for determining location of an occupant
JP6732522B2 (ja) * 2016-05-02 2020-07-29 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
WO2017196515A1 (en) * 2016-05-09 2017-11-16 Iteris, Inc. Pedestrian counting and detection at a traffic intersection based on location of vehicle zones
US9607402B1 (en) 2016-05-09 2017-03-28 Iteris, Inc. Calibration of pedestrian speed with detection zone for traffic intersection control
US10026193B2 (en) 2016-05-24 2018-07-17 Qualcomm Incorporated Methods and systems of determining costs for object tracking in video analytics
IL247101B (en) 2016-08-03 2018-10-31 Pointgrab Ltd Method and system for determining present in the image
JP6776719B2 (ja) * 2016-08-17 2020-10-28 富士通株式会社 移動体群検出プログラム、移動体群検出装置、及び移動体群検出方法
US10607070B2 (en) * 2016-09-30 2020-03-31 Intel Corporation Human search and identification in complex scenarios
CN106503631A (zh) * 2016-10-10 2017-03-15 深圳云天励飞技术有限公司 一种人群分析方法及计算机设备
US9638800B1 (en) 2016-11-22 2017-05-02 4Sense, Inc. Passive tracking system
US9720086B1 (en) 2016-11-22 2017-08-01 4Sense, Inc. Thermal- and modulated-light-based passive tracking system
US20200093544A1 (en) * 2017-01-06 2020-03-26 Intuitive Surgical Operations, Inc. System and method for registration and coordinated manipulation of augmented reality image components
JP6904731B2 (ja) * 2017-03-01 2021-07-21 株式会社Ｚｏｚｏ サイズ測定装置、管理サーバ、ユーザ端末及びサイズ測定システム
JP6851233B2 (ja) * 2017-03-16 2021-03-31 セコム株式会社 物体位置推定装置
US10373320B2 (en) * 2017-03-17 2019-08-06 Uurmi Systems PVT, LTD Method for detecting moving objects in a video having non-stationary background
US20180293735A1 (en) * 2017-04-11 2018-10-11 Sony Corporation Optical flow and sensor input based background subtraction in video content
CN108475072A (zh) * 2017-04-28 2018-08-31 深圳市大疆创新科技有限公司 一种跟踪控制方法、装置及飞行器
IL252032A0 (en) * 2017-04-30 2017-07-31 Pointgrab Ltd A method and system for determining presence from images
WO2018216648A1 (ja) * 2017-05-22 2018-11-29 日本電気株式会社 群衆状態認識装置、学習方法および学習プログラム
CN107065686B (zh) * 2017-05-24 2018-08-28 海门卡汶纺织品有限公司 车内环境调节方法
CN107292869B (zh) * 2017-06-07 2020-04-07 西安电子科技大学 基于各向异性高斯核和梯度搜索的图像斑点检测方法
CN107292271B (zh) * 2017-06-23 2020-02-14 北京易真学思教育科技有限公司 学习监控方法、装置及电子设备
US10816354B2 (en) 2017-08-22 2020-10-27 Tusimple, Inc. Verification module system and method for motion-based lane detection with multiple sensors
US10762673B2 (en) 2017-08-23 2020-09-01 Tusimple, Inc. 3D submap reconstruction system and method for centimeter precision localization using camera-based submap and LiDAR-based global map
US10565457B2 (en) 2017-08-23 2020-02-18 Tusimple, Inc. Feature matching and correspondence refinement and 3D submap position refinement system and method for centimeter precision localization using camera-based submap and LiDAR-based global map
US10953881B2 (en) 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
US10649458B2 (en) 2017-09-07 2020-05-12 Tusimple, Inc. Data-driven prediction-based system and method for trajectory planning of autonomous vehicles
US10953880B2 (en) 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
CN109583262B (zh) * 2017-09-28 2021-04-20 财团法人成大研究发展基金会 对象侦测的适应系统与方法
US10410055B2 (en) * 2017-10-05 2019-09-10 TuSimple System and method for aerial video traffic analysis
CN108024098A (zh) * 2017-10-27 2018-05-11 广东傲智创新科技有限公司 野外智能视频监控分析系统
US11328513B1 (en) 2017-11-07 2022-05-10 Amazon Technologies, Inc. Agent re-verification and resolution using imaging
US10607365B2 (en) * 2017-11-08 2020-03-31 International Business Machines Corporation Presenting an image indicating a position for a person in a location the person is waiting to enter
CN107901424A (zh) * 2017-12-15 2018-04-13 北京中睿华信信息技术有限公司 一种图像采集建模系统
WO2019140005A1 (en) 2018-01-09 2019-07-18 TuSimple Real-time remote control of vehicles with high redundancy
CN115834617A (zh) 2018-01-11 2023-03-21 图森有限公司 用于自主车辆操作的监视系统
CN108171212A (zh) * 2018-01-19 2018-06-15 百度在线网络技术（北京）有限公司 用于检测目标的方法和装置
US11009365B2 (en) 2018-02-14 2021-05-18 Tusimple, Inc. Lane marking localization
US11009356B2 (en) 2018-02-14 2021-05-18 Tusimple, Inc. Lane marking localization and fusion
US10685244B2 (en) 2018-02-27 2020-06-16 Tusimple, Inc. System and method for online real-time multi-object tracking
CN108491766B (zh) * 2018-03-05 2021-10-26 中山大学 一种端到端的基于深度决策森林的人群计数方法
RU2683499C1 (ru) 2018-03-15 2019-03-28 Антон Владимирович Роженков Система автоматического создания сценарного видеоролика с присутствием в кадре заданного объекта или группы объектов
JP2019176306A (ja) * 2018-03-28 2019-10-10 キヤノン株式会社 監視システム、監視システムの制御方法及びプログラム
SG10201802673VA (en) * 2018-03-29 2019-10-30 Nec Asia Pacific Pte Ltd Method and system for integration and automatic switching of crowd estimation techniques
CN110378184A (zh) 2018-04-12 2019-10-25 北京图森未来科技有限公司 一种应用于自动驾驶车辆的图像处理方法、装置
CN108491843B (zh) * 2018-04-12 2022-11-18 腾讯科技（深圳）有限公司 一种图像处理方法、装置及存储介质
CN110390226B (zh) * 2018-04-16 2021-09-21 杭州海康威视数字技术股份有限公司 人群事件识别方法、装置、电子设备及系统
CN111684460B (zh) 2018-04-27 2023-09-22 上海趋视信息科技有限公司 检测人类对象的姿态的系统和方法
CN110458854B (zh) 2018-05-02 2022-11-15 北京图森未来科技有限公司 一种道路边缘检测方法和装置
CN108629325B (zh) 2018-05-11 2021-06-22 北京旷视科技有限公司 物品位置的确定方法、装置及系统
US11163862B2 (en) * 2018-05-16 2021-11-02 International Business Machines Corporation Authentication of users based on snapshots thereof taken in corresponding acquisition conditions
US11669724B2 (en) 2018-05-17 2023-06-06 Raytheon Company Machine learning using informed pseudolabels
CN110505412B (zh) * 2018-05-18 2021-01-29 杭州海康威视数字技术股份有限公司 一种感兴趣区域亮度值的计算方法及装置
WO2019238128A1 (en) * 2018-06-14 2019-12-19 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for image processing
CN109145708B (zh) * 2018-06-22 2020-07-24 南京大学 一种基于rgb和d信息融合的人流量统计方法
US10841723B2 (en) * 2018-07-02 2020-11-17 Harman International Industries, Incorporated Dynamic sweet spot calibration
CN109325963B (zh) * 2018-08-07 2021-05-18 长安大学 一种基于svm的公交乘客三维轨迹分类方法
CN112689586B (zh) 2018-09-13 2024-04-16 图森有限公司 远程安全驾驶方法和系统
DE102018122521A1 (de) * 2018-09-14 2020-03-19 Günter Guttroff Verfahren zur Überwachung und Überwachungssystem
EP3629226B1 (en) * 2018-09-26 2020-11-25 Axis AB Method for converting alerts
CN109284574B (zh) * 2018-10-25 2022-12-09 西安科技大学 一种串联桁架结构体系非概率可靠性分析方法
CN109241951A (zh) * 2018-10-26 2019-01-18 北京陌上花科技有限公司 色情图片识别方法、识别模型构建方法及识别模型和计算机可读存储介质
US10942271B2 (en) 2018-10-30 2021-03-09 Tusimple, Inc. Determining an angle between a tow vehicle and a trailer
CN111126117B (zh) * 2018-11-01 2023-05-02 阿里巴巴集团控股有限公司 信息处理方法和装置
US10719707B2 (en) * 2018-11-13 2020-07-21 Vivotek Inc. Pedestrian detection method and related monitoring camera
US12014563B2 (en) 2018-11-21 2024-06-18 Nec Corporation Information processing apparatus, control method, and non-transitory storage medium
KR102118519B1 (ko) 2018-11-22 2020-06-15 삼성전자주식회사 전자 장치 및 그 제어 방법
US11423564B2 (en) * 2018-11-30 2022-08-23 Healthreel, Inc. Body modeling using mobile device
US11386306B1 (en) * 2018-12-13 2022-07-12 Amazon Technologies, Inc. Re-identification of agents using image analysis and machine learning
CN111319629B (zh) 2018-12-14 2021-07-16 北京图森智途科技有限公司 一种自动驾驶车队的组队方法、装置及系统
US10957074B2 (en) * 2019-01-29 2021-03-23 Microsoft Technology Licensing, Llc Calibrating cameras using human skeleton
CN110020602A (zh) * 2019-03-07 2019-07-16 苏州诺亚图智能科技有限公司 一种高精度人物区域检测系统
AU2020265414A1 (en) * 2019-04-29 2021-11-18 Bae Systems Plc A system and method for localisation using footprints
KR20200126540A (ko) 2019-04-30 2020-11-09 주식회사 만도 카메라 보정 시스템 및 그 방법
CN110222579B (zh) * 2019-05-09 2022-12-16 华南理工大学 一种结合运动规律和目标检测的视频对象计数方法
US20200380252A1 (en) 2019-05-29 2020-12-03 Walmart Apollo, Llc Systems and methods for detecting egress at an entrance of a retail facility
US11048948B2 (en) * 2019-06-10 2021-06-29 City University Of Hong Kong System and method for counting objects
US11823460B2 (en) 2019-06-14 2023-11-21 Tusimple, Inc. Image fusion for autonomous vehicle operation
US11178363B1 (en) 2019-06-27 2021-11-16 Objectvideo Labs, Llc Distributed media monitoring
CN110502967B (zh) * 2019-07-01 2020-12-18 光控特斯联(上海)信息科技有限公司 基于人员大数据的目标场景人工智能匹配方法和装置
AU2019100806A4 (en) * 2019-07-24 2019-08-29 Dynamic Crowd Measurement Pty Ltd Real-Time Crowd Measurement And Management Systems And Methods Thereof
US11068747B2 (en) * 2019-09-27 2021-07-20 Raytheon Company Computer architecture for object detection using point-wise labels
CN111652763A (zh) * 2019-10-07 2020-09-11 蒋兴德 基于无线通信的参考平台及方法
CN110796073B (zh) * 2019-10-28 2021-05-25 衢州学院 一种无纹理场景视频中对特定目标区域的侦测方法和装置
US11417104B2 (en) 2019-11-01 2022-08-16 Walmart Apollo, Llc Systems and methods for automatically determining location of an object inside a retail store
US11106904B2 (en) * 2019-11-20 2021-08-31 Omron Corporation Methods and systems for forecasting crowd dynamics
JP7370840B2 (ja) * 2019-12-09 2023-10-30 キヤノン株式会社 画像処理装置、画像処理方法、コンピュータプログラム及び記憶媒体
KR20210097415A (ko) 2020-01-30 2021-08-09 한국전자통신연구원 실시간 영상기반 객체 탐지 방법 및 장치
CN111405239B (zh) * 2020-02-17 2021-08-31 浙江大华技术股份有限公司 监控方法、服务器、监控系统以及计算机可读存储介质
KR20210114728A (ko) * 2020-03-11 2021-09-24 연세대학교 산학협력단 박스 레벨의 객체 위치 정보를 사용한 픽셀 레벨의 동영상 객체 추적 장치
GB2593717B (en) * 2020-03-31 2022-08-24 Imperial College Innovations Ltd Image processing system and method
RU2748581C1 (ru) * 2020-04-02 2021-05-27 Антон Владимирович Роженков Система автоматического создания сценарного видеоролика с присутствием в кадре заданного объекта или группы объектов
EP3893150A1 (en) 2020-04-09 2021-10-13 Tusimple, Inc. Camera pose estimation techniques
US11676391B2 (en) 2020-04-16 2023-06-13 Raytheon Company Robust correlation of vehicle extents and locations when given noisy detections and limited field-of-view image frames
CN111724442B (zh) * 2020-05-28 2022-04-22 上海商汤智能科技有限公司 图像处理方法及装置、电子设备及存储介质
CN111832413B (zh) * 2020-06-09 2021-04-02 天津大学 基于时空多尺度网络的人流密度图估计、定位和跟踪方法
AU2021203567A1 (en) 2020-06-18 2022-01-20 Tusimple, Inc. Angle and orientation measurements for vehicles with multiple drivable sections
US11657613B2 (en) 2020-08-11 2023-05-23 Analog Devices International Unlimited Company Zone based object tracking and counting
JP2022051008A (ja) * 2020-09-18 2022-03-31 富士フイルムビジネスイノベーション株式会社 情報処理装置及びプログラム
JP7265672B2 (ja) * 2020-09-28 2023-04-26 ソフトバンク株式会社 情報処理方法、プログラムおよび情報処理装置
JP7121781B2 (ja) * 2020-09-28 2022-08-18 ソフトバンク株式会社 情報処理方法、プログラムおよび情報処理装置
US11348338B2 (en) * 2020-11-04 2022-05-31 Huawei Technologies Co., Ltd. Methods and systems for crowd motion summarization via tracklet based human localization
US11663822B2 (en) 2020-11-24 2023-05-30 Microsoft Technology Licensing, Llc Accurate video event inference using 3D information
US11562184B2 (en) 2021-02-22 2023-01-24 Raytheon Company Image-based vehicle classification
CN113392714B (zh) * 2021-05-20 2024-06-14 上海可深信息科技有限公司 一种聚众事件检测方法及系统
JP2022184574A (ja) * 2021-06-01 2022-12-13 キヤノン株式会社 情報処理装置、情報処理方法、及びプログラム
US20230290162A1 (en) * 2022-03-09 2023-09-14 Volvo Car Corporation Pedestrian detection via a boundary cylinder model
CN114743159A (zh) * 2022-03-31 2022-07-12 武汉市江夏区人民政府纸坊街道办事处 一种基于物联网的智慧街道人口大数据综合管理平台
CN114550074B (zh) * 2022-04-25 2022-07-12 成都信息工程大学 一种基于计算机视觉的图像识别方法及系统
CN115861572B (zh) * 2023-02-24 2023-05-23 腾讯科技（深圳）有限公司 一种三维建模方法、装置、设备及存储介质

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS50131497A (ar) * 1974-04-03 1975-10-17
WO2001096147A2 (en) 2000-06-15 2001-12-20 Automotive Systems Laboratory, Inc. Occupant sensor
US7868912B2 (en) 2000-10-24 2011-01-11 Objectvideo, Inc. Video surveillance system employing video primitives
US20050146605A1 (en) 2000-10-24 2005-07-07 Lipton Alan J. Video surveillance system employing video primitives
US8711217B2 (en) * 2000-10-24 2014-04-29 Objectvideo, Inc. Video surveillance system employing video primitives
US7127083B2 (en) 2003-11-17 2006-10-24 Vidient Systems, Inc. Video surveillance system with object detection and probability scoring based on object class
JP2006031645A (ja) * 2004-07-12 2006-02-02 Nariyuki Mitachi 動的群集密度のリアルタイム推定方法及び群集事故防止システム
RU45546U1 (ru) * 2005-01-14 2005-05-10 Шорин Михаил Викторович Модель действия горизонтальной силы гравитации
US20060182339A1 (en) * 2005-02-17 2006-08-17 Connell Jonathan H Combining multiple cues in a visual object detection system
ATE487201T1 (de) 2005-03-17 2010-11-15 British Telecomm Verfolgen von objekten in einer videosequenz
US7825954B2 (en) 2005-05-31 2010-11-02 Objectvideo, Inc. Multi-state target tracking
US20090041297A1 (en) * 2005-05-31 2009-02-12 Objectvideo, Inc. Human detection and tracking for security applications
US7801330B2 (en) 2005-06-24 2010-09-21 Objectvideo, Inc. Target detection and tracking from video streams
US20070058836A1 (en) 2005-09-15 2007-03-15 Honeywell International Inc. Object classification in video data
US9240051B2 (en) 2005-11-23 2016-01-19 Avigilon Fortress Corporation Object density estimation in video
JP4532419B2 (ja) * 2006-02-22 2010-08-25 富士フイルム株式会社 特徴点検出方法および装置並びにプログラム
US8116564B2 (en) * 2006-11-22 2012-02-14 Regents Of The University Of Minnesota Crowd counting and monitoring
US8358806B2 (en) * 2007-08-02 2013-01-22 Siemens Corporation Fast crowd segmentation using shape indexing
CN101388077A (zh) * 2007-09-11 2009-03-18 松下电器产业株式会社 目标形状检测方法及装置
US8195598B2 (en) 2007-11-16 2012-06-05 Agilence, Inc. Method of and system for hierarchical human/crowd behavior detection
US8103055B2 (en) * 2008-01-11 2012-01-24 Omg Plc Detection of blobs in images
JP5227639B2 (ja) * 2008-04-04 2013-07-03 富士フイルム株式会社 オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム
US8805004B2 (en) 2009-01-09 2014-08-12 Thomson Licensing Method and apparatus for detecting and separating objects of interest in soccer video by color segmentation and shape analysis
US8253792B2 (en) * 2009-08-28 2012-08-28 GM Global Technology Operations LLC Vision system for monitoring humans in dynamic environments
WO2012012555A1 (en) 2010-07-20 2012-01-26 SET Corporation Methods and systems for audience digital monitoring
CN103380615B (zh) * 2011-02-21 2015-09-09 三菱电机株式会社 图像放大装置及方法
CN102385803B (zh) * 2011-10-28 2013-09-25 南京邮电大学 基于视频监控的全天候市区车辆跟踪与计数方法

Also Published As

Publication number Publication date
KR102358813B1 (ko) 2022-02-04
JP2015528614A (ja) 2015-09-28
US9165190B2 (en) 2015-10-20
US20150178571A1 (en) 2015-06-25
CN104813339B (zh) 2017-05-10
RU2635066C2 (ru) 2017-11-08
SG11201501725RA (en) 2015-04-29
EP2895986B1 (en) 2019-03-06
CN107256377A (zh) 2017-10-17
EP2895986A2 (en) 2015-07-22
AU2013315491A1 (en) 2015-04-09
IL237647B (en) 2018-06-28
KR20150067193A (ko) 2015-06-17
CA2884383A1 (en) 2014-03-20
CA2884383C (en) 2021-05-11
US20160379061A1 (en) 2016-12-29
JP6424163B2 (ja) 2018-11-14
CN107256377B (zh) 2021-03-16
US9443143B2 (en) 2016-09-13
BR112015005282A8 (pt) 2022-10-04
BR112015005282A2 (pt) 2017-07-04
RU2015109072A (ru) 2016-11-10
MY175059A (en) 2020-06-04
US20140072170A1 (en) 2014-03-13
AU2013315491B2 (en) 2018-08-09
WO2014043353A2 (en) 2014-03-20
CN104813339A (zh) 2015-07-29
IL237647A0 (en) 2015-04-30
MX2015003153A (es) 2015-12-16
WO2014043353A3 (en) 2014-06-26
MX347511B (es) 2017-04-28
ZA201502413B (en) 2016-07-27
EP2895986A4 (en) 2016-05-04
US9646212B2 (en) 2017-05-09

Similar Documents

Publication Publication Date Title
SA515360136B1 (ar) طرق وأجهزة وأنظمة للكشف عن أهداف في محتوى فيديو
Shao et al. Crowdhuman: A benchmark for detecting human in a crowd
CN105139425B (zh) 一种人数统计方法及装置
CN104715471B (zh) 目标定位跟踪方法及其装置
AU2011352412B2 (en) Scene activity analysis using statistical and semantic feature learnt from object trajectory data
CN104966062B (zh) 视频监视方法和装置
CN102819764A (zh) 一种适用于交通路口复杂场景下的多视角人流量统计方法
JP2015528614A5 (ar)
WO2018210047A1 (zh) 数据处理方法、数据处理装置、电子设备及存储介质
KR101965878B1 (ko) 시각적 피처들을 이용한 이미지들의 자동 연결
CN105122303A (zh) 利用特征识别的摄像机校准
US11417106B1 (en) Crowd evacuation system based on real time perception, simulation, and warning
TW582168B (en) Method for abstracting multiple moving objects
Li et al. Modeling occlusion by discriminative and-or structures
Himeur et al. Deep visual social distancing monitoring to combat COVID-19: A comprehensive survey
CN112668525A (zh) 一种人流量的计数方法、装置、电子设备及存储介质
Utasi et al. A multi-view annotation tool for people detection evaluation
JP2021060868A5 (ar)
An et al. VFP290k: A large-scale benchmark dataset for vision-based fallen person detection
KR101840042B1 (ko) 복합 가상 팬스 라인 설정 방법 및 이를 이용한 침입 감지 시스템
CN102625083A (zh) 一种视频监控网络的建设方法
Yu et al. Training-free monocular 3d event detection system for traffic surveillance
CN111753587A (zh) 一种倒地检测方法及装置
CN112673410A (zh) 用户生活空间的地震易损性分析系统及使用该系统的用户生活空间的地震易损性分析方法
CN109858319A (zh) 图像处理设备及控制方法和非暂时性计算机可读存储介质