TW201327430A - 物件追蹤的方法、系統、電腦程式產品與記錄媒體 - Google Patents
物件追蹤的方法、系統、電腦程式產品與記錄媒體 Download PDFInfo
- Publication number
- TW201327430A TW201327430A TW100148625A TW100148625A TW201327430A TW 201327430 A TW201327430 A TW 201327430A TW 100148625 A TW100148625 A TW 100148625A TW 100148625 A TW100148625 A TW 100148625A TW 201327430 A TW201327430 A TW 201327430A
- Authority
- TW
- Taiwan
- Prior art keywords
- object point
- monitor
- starting
- found
- monitoring data
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- 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
-
- 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
- G06T2207/30241—Trajectory
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
一種物件追蹤的方法、系統、電腦程式產品與電腦可讀取的記錄媒體,適用於擷取並分析分散儲存的監視資料。上述物件追蹤方法包括下列步驟:根據起始物件點集合中的至少一起始物件點的位置和時間,決定該起始物件點所對應的監視資料集合;擷取監視資料集合中的監視資料片段;找出監視資料集合中符合目標物件的識別資訊的至少一個發現物件點,將上述發現物件點加入發現物件點集合;當發現物件點集合不為空集合,則將起始物件點集合設定為發現物件點集合,並重複上述步驟;當發現物件點集合為空集合,則輸出上述發現物件點。
Description
本揭露是有關於一種物件追蹤的方法、系統、電腦程式產品與電腦可讀取的記錄媒體,且特別是有關於適用於分散式儲存環境的一種物件追蹤方法、系統、電腦程式產品與電腦可讀取的記錄媒體。
視覺監視設備具有廣大的應用潛力,像是社區保全、海關、路口監視、高速公路路況監控、軍事目標的偵測及自動化的車牌辨識等等。目前已經有很多都會區域的政府機構在街道上佈建大量監視器,這些監視器拍攝的影像可用做調查交通事故或偵辦刑案的線索。
為了解決人力監視或分析所難免的疏漏和低效率,現在已經有智慧型監視系統,可自動解讀眾多監視器所拍攝的影像,分析並預測被監控物件的行為。智慧型監視系統包含移動物件偵測、辨識、追蹤、行為分析及萃取等分析階段,這些分析階段分別屬於電腦視覺、圖形辨識、人工智慧及資料管理等領域。
上述監視器拍攝的影像都是分散儲存,若要對這些影像進行自動化的分析解讀,首先必須將這些影像集中到資料中心(data center)的伺服器,然後才能進行自動分析。
舉例而言,如果某一天夜晚在某個市區發生一起汽車竊盜案,整個市區的街道上可能有幾千台監視器,而發生竊盜案的時間範圍可能長達八小時,最直接的做法是擷取市區內所有監視器在當夜長達八小時的監視影像,然後對這些影像使用車牌自動辨識技術,找出贓車的移動路線,做為辦案線索。以上的監視影像通常分散儲存在各地的監視器,或監視器附近的數位錄影機,總體資料量非常龐大。在這樣的分散式儲存環境中,要將散佈於各處監視器或是錄影系統中的數位影像檔案,透過網路擷取到資料中心以執行分析,對於連接街頭監視器和資料中心的網路是很大的負擔。因為總體資料量非常龐大,所需的分析運算量也非常龐大。
同樣的,錄音形式的監視也有以上狀況。
本揭露提供一種物件追蹤的方法、系統、電腦程式產品與電腦可讀取的記錄媒體,適用於分散式的監視資料儲存環境。
本揭露之實施例提出一種物件追蹤方法,適用於一物件追蹤系統,此物件追蹤方法包括下列步驟:根據起始物件點集合中的至少一起始物件點的位置和時間,決定該起始物件點所對應的監視資料集合;擷取監視資料集合中的監視資料片段;找出監視資料集合中符合目標物件的識別資訊的至少一個發現物件點,將上述發現物件點加入發現物件點集合;當發現物件點集合不為空集合,則將起始物件點集合設定為發現物件點集合,並重複上述步驟;當發現物件點集合為空集合,則輸出上述發現物件點。
本揭露另提出一種電腦程式產品,用於一物件追蹤系統,當上述物件追蹤系統載入並執行上述電腦程式產品的電腦程式後,可完成上述的物件追蹤方法。
本揭露另提出一種電腦可讀取的記錄媒體,內儲一電腦程式,當一電腦載入並執行上述電腦程式後,可完成上述的物件追蹤方法。
本揭露之實施例另提出一種物件追蹤系統,包括多個監視器以及一分析器。分析器透過一網路耦接上述多個監視器。分析器根據起始物件點集合中的至少一起始物件點的位置和時間,決定該起始物件點所對應的監視資料集合。分析器自上述多個監視器擷取監視資料集合中的監視資料片段。分析器找出監視資料集合中符合目標物件的識別資訊的至少一個發現物件點,將上述發現物件點加入發現物件點集合。當發現物件點集合不為空集合,則分析器將起始物件點集合設定為發現物件點集合,並重複上述步驟。當發現物件點集合為空集合,則分析器輸出上述發現物件點。
基於上述,本揭露的物件追蹤方法和物件追蹤系統,以及對應的電腦程式產品與電腦可讀取的記錄媒體,可在分散式的監視資料儲存環境中,決定應擷取以進行分析的監視資料集合,而不是單純擷取大範圍的龐大資料。
為讓本揭露之上述特徵能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
為說明方便,本揭露實施例主要以視訊或音訊監視為例,但本揭露應用不限於此。
圖1是依照本揭露一實施例的一種物件追蹤方法的流程圖,此物件追蹤方法適用於分散式的監視資料儲存環境中的物件追蹤系統,例如圖7所示的物件追蹤系統700。一般而言,上述的分散式儲存環境中有多個監視器持續記錄監視資料,這些監視資料分散儲存在各監視器中,或各監視器附近的數位錄影機之中。上述的監視器和數位錄影器不對監視資料進行分析,若要進行物件的追蹤分析,必須經由有線或無線網路將分散儲存的監視資料擷取至集中的分析設備進行追蹤分析。由於監視資料儲存處和分析設備之間的網路頻寬有限,擷取大量監視資料需要大量的頻寬成本和傳輸時間,本揭露實施例的物件追蹤方法的目的之一就是盡可能減少監視資料的擷取量。
上述物件追蹤方法所追蹤的目標物件可以是行人、機車或汽車等任何可移動的物件,此物件可以在公共道路系統、校園、賣場、百貨公司、平面停車場、立體停車場、住宅或辦公大樓等平面或立體環境移動。在上述的平面或立體環境中裝設有多個監視器,以監視週遭的移動物件,記錄相關的監視資料。上述的監視器可以是錄音機或攝影機,若是錄音機,則監視資料是錄音機所記錄的音訊資料,若是攝影機,則監視資料是攝影機定時拍攝的靜態圖片資料或持續拍攝的動態視訊資料。
以下配合圖1和圖2A至圖2C說明本實施例的物件追蹤方法的流程。首先,在步驟105設定最初的起始物件點集合。顧名思義,物件點集合就是物件點所構成的集合。這個最初的起始物件點集合可包括一個或多個起始物件點,其中每一個起始物件點表示目標物件開始移動的起點位置與時間,每一個起始物件點的時間可以是單一時刻或一個時間範圍。如果最初的起始物件點集合包括多個起始物件點,表示目標物件開始移動的起點位置與時間有多種可能,需要分析其中的至少一個起始物件點。
最初的起始物件點集合其中的起始物件點可由使用者人工設定。以圖2A所示的校園汽車竊盜案為例,在此校園的電子地圖200之中,每一個箭頭表示一個監視器,例如監視器231和232。此範例的監視器是攝影機,箭頭方向表示監視器的監看方向。1P至11P表示此校園內的十一個停車場。停車場1P當中的某一輛汽車在某一個夜晚失竊。在此範例中,最初的起始物件點集合僅包括一個起始物件點210。起始物件點210的位置就是失竊汽車當晚在停車場P1的停放位置,因為失竊時間尚不確定,使用者將起始物件點210的時間設定為整個晚上的時間,也就是晚上七點至早上六點。
接下來,在步驟110將下一輪分析會用到的發現物件點集合設定為空集合。然後在步驟115選取起始物件點集合的下一個起始物件點,若是第一次執行步驟115,則選取起始物件點集合的第一個起始物件點。
接下來,在步驟120,根據被選取的起始物件點的位置和時間,決定此起始物件點所對應的一個監視資料集合。在步驟125自相關監視器擷取此監視資料集合中的監視資料片段。然後在步驟130找出此監視資料集合中符合目標物件的識別資訊的發現物件點,上述的發現物件點可能有一個或多個,也可能沒有,然後將在步驟130找出的發現物件點加入發現物件點集合。為了區別步驟115和130的物件點,在步驟115選取的物件點稱為起始物件點,在步驟130找出的物件點則稱為發現物件點。
每一個發現物件點表示目標物件在監視資料集合的某一個監視資料片段中某一次出現的位置與時間。每一個發現物件點的時間是目標物件在此發現物件點所屬的監視資料片段中出現的時間,這個時間可以是單一時刻或一個時間範圍。每一個發現物件點的位置可以是目標物件在此發現物件點所屬的監視資料片段中出現的位置。如果監視資料是靜態圖片或動態視訊,可用影像辨識技術決定目標物件的出現位置。如果無法根據監視資料來決定目標物件的出現位置,則可用發現物件點所屬的監視資料片段所屬的監視器的位置,也就是錄製此監視資料片段的監視器的位置,做為此發現物件點的位置。
本實施例的物件追蹤方法是對監視資料集合中的每一個監視資料片段和目標物件識別資訊進行辨識比對,以找出符合目標物件識別資訊的所有發現物件點。目標物件識別資訊是事先輸入的用來識別目標物件的一組資訊。舉例而言,某一個詐騙集團的成員可能一邊走路一邊用手機和受害者交談,對話內容可能被安裝在各處的監視器錄音。在此情況下,監視資料是音訊資料,目標物件識別資訊可以是一連串數字(可能是銀行帳號)或可憐、威脅等特定語氣。如果警方想利用監視資料來搜查恐怖份子,則目標物件識別資訊可以是恐怖份子慣用的密語,或有關恐怖活動的時間、地點或對象等關鍵字,或以上的組合。目標物件識別資訊也可以是目標人物說話的音調、速度或抑揚頓挫等音訊特徵。
如果監視資料是靜態圖片或動態視訊,則目標物件識別資訊可以是目標物件的外觀特徵。如果目標物件是人,目標物件識別資訊可以是體型、衣物或臉孔等特徵。如果目標物件是機車或汽車之類的交通工具,則目標物件識別資訊可以是顏色或外型等特徵,或車牌號碼。
將監視資料和目標物件識別資訊進行辨識比對需要音訊、靜態圖片或動態視訊的辨識比對技術,目前已經有多種音訊、靜態圖片或動態視訊的辨識比對技術可供使用,其技術細節就不在此贅述。
在監視資料集合中找出符合目標物件識別資訊的發現物件點之後,流程進入步驟135,檢查起始物件點集合之中是否還有未被選取過的起始物件點。如果還有未被選取過的起始物件點,則流程返回步驟115。如果起始物件點集合其中的起始物件點都已經被選取過,則流程進入步驟140,檢查發現物件點集合是否為空集合。如果發現物件點集合並非空集合,表示有發現物件點需要進行下一輪分析,流程進入步驟145,將起始物件點集合設定為發現物件點集合,也就是說在這一輪分析找出的發現物件點會成為下一輪分析的起始物件點,然後返回步驟110。如果步驟140的檢查確定發現物件點集合是空集合,則在步驟150輸出追蹤分析的結果。上述的追蹤分析結果可包括在步驟130所找出的發現物件點。從這些發現物件點的時間和位置可獲得目標物件的移動軌跡。
在本揭露另一實施例中,上述的物件追蹤方法可以輸出更詳細的追蹤分析結果。此實施例的物件追蹤方法可以在步驟105設定最初的起始物件點集合,並且將一個發現路徑集合設定為空集合。每當在步驟130找出一個發現物件點時,可以將此發現物件點和此發現物件點所對應的起始物件點所定義的一個發現路徑加入上述的發現路徑集合,然後在步驟150輸出上述的發現路徑集合。發現路徑集合中的發現路徑可串聯成目標物件的移動軌跡。
舉例而言,圖2B繪示上述的物件追蹤方法所輸出的發現路徑集合的一個範例。第一輪分析的起始物件點標示為241,找出的發現物件點標示為242。物件點241和242之間的線段就是發現物件點242與其對應的起始物件點241所定義的發現路徑,這個發現路徑在步驟130加入發現路徑集合。在第二輪分析中,發現物件點242成為起始物件點,找出的發現物件點標示為243。物件點242和243之間的線段就是發現物件點243與其對應的起始物件點242所定義的發現路徑,這個發現路徑在步驟130加入發現路徑集合。在第三輪分析中,發現物件點243成為起始物件點,找出的發現物件點標示為244。物件點243和244之間的線段就是發現物件點244與其對應的起始物件點243所定義的發現路徑,這個發現路徑在步驟130加入發現路徑集合。依此類推,直到在最後一輪分析中找出發現物件點249。最後在步驟150輸出的發現路徑集合其中的發現路徑組成如圖2B所示的目標物件移動軌跡,此移動軌跡包括物件點241~249。
在一輪分析之中有可能找出多個發現物件點,這可能是因為目標物件識別資訊的限定條件太少,使監視資料集合中有多個物件同時符合目標物件識別資訊,也可能是因為監視資料本身模糊,不夠清晰,使多個物件同時被辨識為目標物件。這樣會造成分叉的目標物件移動軌跡。例如圖2C的範例中,某一輪分析以起始物件點253為依據,找出兩個發現物件點254和261,於是目標物件的移動軌跡在此處分叉。另一輪分析以起始物件點261為依據,找出兩個發現物件點262和271,於是目標物件的移動軌跡再度分叉。此範例中,最後在步驟150輸出的發現路徑集合其中的發現路徑組成如圖2C所示的三個目標物件移動軌跡。第一個移動軌跡包括物件點251~257,第二個移動軌跡包括物件點251~253和261~264,第三個移動軌跡包括物件點251~253、261和271~277。
在步驟150輸出發現路徑集合之後,上述的物件追蹤方法可將發現路徑集合之中的發現路徑串聯成目標物件的移動軌跡,也可以結合事件點所在環境的電子地圖和顯示器或印表機之類的輸出裝置,以呈現或輸出目標物件的移動軌跡,供使用者檢閱。
圖3繪示圖1的步驟120的進一步細節,為了決定某一起始物件點所對應的監視資料集合,首先在步驟310根據此起始物件點的位置,決定此起始物件點所對應的監視器集合。然後在步驟320根據此起始物件點的時間,決定上述監視器集合中的至少一個監視器的至少一個監視資料片段。步驟120的監視資料集合就是上述監視器集合中的至少一個監視器的至少一個監視資料片段所組成的集合。上述的監視器集合與監視資料集合組成上述起始物件點所對應的搜尋口袋。
圖4繪示圖3的步驟310的進一步細節,為了決定某一起始物件點所對應的監視器集合,首先在步驟410設定搜尋範圍和可能路徑集合。上述搜尋範圍是電子地圖中的一個封閉區域,搜尋範圍其中至少一個位置和上述起始物件點之間的距離不超出一個預設的臨界值。例如圖2A範例的搜尋範圍就是圓圈220,而上述臨界值就是圓圈220的半徑。電子地圖200其中停車場1P的唯一出口在右側,所以失竊的汽車必然經過搜尋範圍220。
搜尋範圍不限定是圓圈,可以是任何形狀的封閉區域。搜尋範圍可以是使用者人工設定,或是由本實施例的物件追蹤方法設定。若是由本實施例的物件追蹤方法設定,例如是以起始物件點為圓心,用預設臨界值為半徑畫一個圓圈,將此圓圈做為搜尋範圍。或者也可以依據起始物件點附近的路口的分佈來決定搜尋範圍。
步驟410的可能路徑集合是上述起始物件點所在環境的電子地圖中,自上述起始物件點的位置離開上述搜尋範圍的至少一個路徑的集合。以下將可能路徑集合中的路徑稱為可能路徑,以別於上述的發現路徑集合中的發現路徑。
接下來,在步驟420將此起始物件點對應的監視器集合設定為空集合,並且將此起始物件點對應的搜尋口袋標示為封閉。然後在步驟430檢查上述可能路徑集合中是否還有未被選取的可能路徑。如果可能路徑集合其中的可能路徑已經全被選取過,則流程至此結束。反之,如果上述可能路徑集合中還有未被選取的可能路徑,則流程進入步驟440,選取可能路徑集合中的下一個可能路徑。如果是第一次執行步驟440,則選取可能路徑集合中的第一個可能路徑。
選取可能路徑之後,在步驟450尋找此可能路徑在上述搜尋範圍內最接近上述起始物件點的監視器,然後在步驟460檢查是否有這樣的監視器存在。如果有這樣的監視器,就在步驟470將在步驟450找到的監視器加入上述起始物件點所對應的監視器集合,然後返回步驟430。如果在步驟450找不到監視器,表示此可能路徑在搜尋範圍內沒有任何監視器,就在步驟480將上述起始物件點對應的搜尋口袋標示為開放,然後返回步驟430。
在此實施例中,圖1的步驟150所輸出的追蹤分析結果也可包括上述搜尋口袋的開放/封閉標示。這些搜尋口袋的標示可用來表示物件追蹤結果的可靠度。如果每一個搜尋口袋都標示為封閉,則表示在每一個起始物件點的分析過程中,每一條離開的可能路徑在搜尋範圍內都裝有監視器,目標物件的追蹤結果完全可靠。如果有至少一個搜尋口袋標示為開放,則表示至少有一條可能路徑可以不經過任何監視器而離開搜尋範圍,這樣的追蹤結果就不完全可靠。
在圖3的步驟310決定某一起始物件點所對應的監視器集合之後,可以進一步在圖3的步驟320決定此起始物件點所對應的監視資料集合。圖5繪示圖3的步驟320的進一步細節,首先在步驟510將此監視資料集合設定為空集合,然後在步驟520檢查此起始物件點所對應的監視器集合中是否尚有未選取的監視器。如果監視器集合中的監視器都已經被選取過,流程至此結束。如果監視器集合中尚有未選取的監視器,則在步驟530選取此監視器集合中的下一個監視器。如果是第一次執行步驟530,則選取監視器集合的第一個監視器。
接下來,在步驟540估計目標物件自此起始物件點至此監視器的移動時間。這個移動時間可以是使用者決定的預設值,或者也可以由本實施例的物件追蹤方法估計此移動時間。若是由本實施例的物件追蹤方法估計移動時間,可以先估計目標物件自此起始物件點至此監視器的移動速度,然後根據此起始物件點至此監視器的距離和上述移動速度,估計上述移動時間。
起始物件點至監視器的距離可以從上述的電子地圖取得。上述的目標物件移動速度可以是預設值,舉例而言,如果目標物件是人,可用事先量測的行人平均時速做為目標物件移動速度。如果目標物件是機車或汽車等交通工具,可以事先量測起始物件點至監視器的道路上的平均車速,做為目標物件移動速度。如果目標物件是上述交通工具,也可以自上述電子地圖取得起始物件點至監視器的道路的最高速限,做為目標物件移動速度。將起始物件點至監視器的距離除以目標物件的移動速度,就是目標物件自起始物件點至監視器的移動時間。
接下來,在步驟550,根據此起始物件點本身的時間和前面估計的目標物件移動時間,決定此監視器的監視資料片段的起始時間和結束時間。一般的做法如下。起始物件點本身的時間可以是一個時間範圍,也就是有一個起始時間和結束時間,分別以T SB 和T SE 表示。目標物件的移動時間可以有一個下限和一個上限,分別以T TMIN 和T TMAX 表示。假設步驟540估計出來的目標物件移動時間為T T ,則可預設兩個比例值R A 和R B ,其中R A 小於R B 。R A 和R B 都是實數,可以小於一,也可以大於一。然後將T TMIN 設定為T T 乘以R A ,將T TMAX 設定為T T 乘以R B 。然後可將此監視器的監視資料片段的起始時間設定為T SB +T TMIN ,並將此監視器的監視資料片段的結束時間設定為T SE +T TMAX 。
起始物件點本身的時間也可以是單一時刻,在此情況下T SB 等於T SE 。目標物件的移動時間也可以是單一時刻,在此情況下R A 和R B 皆等於一,也就是說T T 等於T TMIN 等於T TMAX 。
接下來,在步驟560,將此監視資料片段加入待擷取的監視資料集合,然後返回步驟520。也就是說,在步驟125的擷取過程中,只需擷取此監視器的監視資料其中,時間為T SB +T TMIN 至T SE +T TMAX 的片段。
圖6是本實施例的物件追蹤方法的一個監視資料集合的示意圖。圖6繪示五個監視器611~615。監視器611~615錄製的監視資料分別是631~635。監視資料631~635其中的監視資料片段651~655組成上述的監視資料集合。在監視資料631~635當中,越上方表示時間越後面的監視資料。如上所述,本實施例的物件追蹤方法可以根據起始物件點的位置,以及起始物件點週遭的電子地圖,決定哪些監視器需要擷取監視資料。而且對這些監視器不需要擷取全部監視資料,而是根據起始物件點本身的時間和目標物件的移動速度,在至少一個上述監視器的監視資料中各擷取一個小片段,這些監視資料片段的時間隨著監視器和起始物件點之間的距離增加而向後挪移。如圖6所示,只有監視資料片段651~655組成的監視資料集合需要擷取和分析,這資料量遠小於監視資料631~635的總資料量。因此本實施例的物件追蹤方法具有更高的資料擷取效率和追蹤分析效率。
本揭露的其他實施例也提供一種電腦程式產品和一種電腦可讀取的記錄媒體。上述的電腦程式產品適用於物件追蹤系統,例如圖7所示的物件追蹤系統700。當物件追蹤系統載入並執行上述電腦程式產品的電腦程式後,可完成上述的物件追蹤方法。上述的電腦可讀取的記錄媒體內儲一電腦程式,當電腦載入並執行上述電腦程式後,可完成上述的物件追蹤方法。上述電腦可以是圖7的物件追蹤系統700的分析器710,或其他有相同功能的電腦。
圖7是依照本揭露一實施例的一種物件追蹤系統700的示意圖。物件追蹤系統700包括分析器710以及多個監視器,例如監視器731~733。分析器710透過網路720耦接物件追蹤系統700的多個監視器。網路720可以是有線網路或無線網路,或以上兩者的組合。分析器710可以是個人電腦或伺服器,負責執行以上實施例中的物件追蹤方法。分析器710的執行細節已經在前面的實施例有詳細說明,故不在此贅述。
圖8A至圖8F繪示以上的物件追蹤方法或物件追蹤系統的一個追蹤範例,還是以圖2A的校園汽車竊盜案為範例,其中200是校園的電子地圖,210是最初的起始物件點,代表汽車失竊的地點與時間,圓圈220是搜尋範圍。停車場1P的唯一出口在右方,所以失竊的汽車必然經過搜尋範圍220。電子地圖200其中的每一支箭頭表示一個監視器,此範例的監視器是攝影機,箭頭方向就是監視器的監看方向。資料中心804之中的分析器透過網路802耦接搜尋範圍220之內的各監視器,以擷取追蹤分析所需的監視資料。
首先如圖8A所示,分析最初的起始物件點210可得到搜尋口袋810,搜尋口袋810包括以實心箭頭標示的監視器812和814。此範例中汽車可能的失竊時間是晚上七點至清晨六點,時間範圍長達十一小時,資料中心804的分析器必須向監視器812和814各擷取十一小時的監視資料片段,總共要分析二十二小時的監視資料。
如圖8B所示,分析之後發現失竊汽車只出現在監視器814的監視資料中,於是監視器814的位置和失竊汽車的出現時間成為發現物件點,加入發現物件點集合。
下一輪分析如圖8C所示,分析起始物件點814可得到搜尋口袋830,搜尋口袋830包括以實心箭頭標示的監視器832、834和812。由於失竊汽車出現在監視器814的監視資料中的時間很短,而且監視器832、834和812離起始物件點814很近,這一次分析器只需要向監視器832、834和812各擷取一分鐘的監視資料片段,總共只需要分析三分鐘的監視資料。這一輪分析的三分鐘資料量明顯少於上一輪原本所需分析的二十二小時資料量。
接下來如圖8D所示,分析之後發現失竊汽車只出現在監視器832的監視資料中,於是監視器832的位置和失竊汽車的出現時間成為發現物件點,加入發現物件點集合。
下一輪分析如圖8E所示,分析起始物件點832可得到搜尋口袋850,搜尋口袋850包括以實心箭頭標示的監視器852、854和856。由於失竊汽車出現在監視器832的監視資料中的時間很短,而且監視器852、854和856離起始物件點832很近,這一次分析器同樣只需要向監視器852、854和856各擷取一分鐘的監視資料片段,總共只需要分析三分鐘的監視資料。
後面的分析依此類推,如圖1流程所示,此範例的分析迴圈在發現物件點集合沒有發現物件點時結束。此時可將分析過程中找出的所有發現物件點與其對應的起始物件點所定義的發現路徑串聯起來,並配合電子地圖200,顯示圖8F繪示的目標物件移動軌跡860。這些發現物件點的位置就是以實心箭頭標示的監視器814、832、852、862和864的位置,表示失竊汽車曾經出現在這些地點;而這些發現物件點的時間順序如移動軌跡860的箭頭方向所示,表示失竊汽車的移動軌跡。目標物件的移動軌跡860可做為辦案線索,或做為進一步的物件追蹤分析的依據。
綜上所述,以上實施例的物件追蹤方法和物件追蹤系統,以及對應的電腦程式產品與電腦可讀取的記錄媒體,可在分散式的監視資料儲存環境中,決定對應於起始物件點的監視器集合與監視資料集合。上述監視器集合可避免遠離目標物件移動軌跡的監視器的監視資料的擷取與分析,而上述監視資料集合可避免和目標物件的移動時間差距過大的監視資料的擷取與分析。因此以上實施例的物件追蹤方法、物件追蹤系統、電腦程式產品、以及電腦可讀取的記錄媒體可避免單純擷取大範圍的龐大資料,原則上能有效降低自分散的監視器所擷取的監視資料數量。因為擷取和分析的資料量降低,所以能降低一般網路頻寬的瓶頸效應,提高監視資料的擷取效率,也能降低運算量,進而加快目標物件的辨識與追蹤。
雖然本揭露已以實施例揭露如上,然其並非用以限定本揭露,任何所屬技術領域中具有通常知識者,在不脫離本揭露之精神和範圍內,當可作些許之更動與潤飾,故本揭露之保護範圍當視後附之申請專利範圍所界定者為準。
105~150...流程步驟
200...電子地圖
210...起始物件點
220...搜尋範圍
231、232...監視器
241~249、251~257、261~264、271~277...物件點
310~320、410~480、510~560...流程步驟
611~615...監視器
631~635...監視器的監視資料
651~655...監視資料片段
700...物件追蹤系統
710...分析器
720...網路
731~733...監視器
802...網路
804...資料中心
810、830、850...搜尋口袋
812、814、832、834、852~856、862、864...監視器
860...目標物件移動軌跡
1P~11P...電子地圖中的停車場
圖1是依照本揭露一實施例的一種物件追蹤方法的流程圖。
圖2A是依照本揭露一實施例的一種物件追蹤方法的示意圖。
圖2B和圖2C是依照本揭露一實施例的一種物件追蹤方法所得的目標物件移動軌跡的示意圖。
圖3至圖5是依照本揭露一實施例的一種物件追蹤方法的流程圖。
圖6是依照本揭露一實施例的一種物件追蹤方法的監視資料集合的示意圖。
圖7是依照本揭露一實施例的一種物件追蹤系統的示意圖。
圖8A至圖8F繪示依照本揭露一實施例的一種物件追蹤方法或物件追蹤系統的一個追蹤範例。
105~150...流程步驟
Claims (24)
- 一種物件追蹤方法,適用於一物件追蹤系統,該物件追蹤方法包括:根據一起始物件點集合中的至少一起始物件點的位置和時間,決定該起始物件點所對應的一監視資料集合;擷取該監視資料集合中的監視資料片段;找出該監視資料集合中符合一目標物件的識別資訊的至少一發現物件點,將上述發現物件點加入一發現物件點集合;當該發現物件點集合不為空集合,則將該起始物件點集合設定為該發現物件點集合,並重複上述步驟;以及當該發現物件點集合為空集合,則輸出上述發現物件點。
- 如申請專利範圍第1項所述之物件追蹤方法,其中決定該監視資料集合的步驟包括:根據該起始物件點的位置,決定該起始物件點所對應的一監視器集合;以及根據該起始物件點的時間,決定該監視器集合中的至少一監視器的至少一監視資料片段,其中該監視資料集合為該監視器集合中的該至少一監視器的該至少一監視資料片段所組成的集合。
- 如申請專利範圍第2項所述之物件追蹤方法,其中決定該監視器集合的步驟包括:決定一可能路徑集合,其中該可能路徑集合包括在一電子地圖中自該起始物件點的位置離開一搜尋範圍的至少一可能路徑;以及對於每一上述可能路徑,選取該可能路徑在該搜尋範圍內最接近該起始物件點的監視器,其中該監視器集合為上述的最接近該起始物件點的監視器所組成的集合。
- 如申請專利範圍第3項所述之物件追蹤方法,其中該搜尋範圍為該電子地圖中的一封閉區域,而且該搜尋範圍其中至少一位置和該起始物件點之間的距離不超出一臨界值。
- 如申請專利範圍第3項所述之物件追蹤方法,其中該監視器集合與該監視資料集合組成該起始物件點所對應的一搜尋口袋,而且該物件追蹤方法更包括:將該搜尋口袋標示為封閉;當上述可能路徑其中之一在該搜尋範圍內沒有任何監視器,則將該搜尋口袋標示為開放;以及當該發現物件點集合為空集合,則輸出上述搜尋口袋的上述標示。
- 如申請專利範圍第2項所述之物件追蹤方法,更包括:估計該目標物件自該起始物件點至該監視器集合的至少一監視器的移動時間;以及對於該監視器集合的該監視器,根據該起始物件點的時間和該移動時間,決定該監視器的該監視資料片段的起始時間和結束時間。
- 如申請專利範圍第6項所述之物件追蹤方法,其中估計該移動時間的步驟包括:估計該目標物件自該起始物件點至該監視器集合的至少一監視器的移動速度;以及對於該監視器集合的該監視器,根據該起始物件點至該監視器的距離和該移動速度,估計該移動時間。
- 如申請專利範圍第2項所述之物件追蹤方法,其中至少一上述發現物件點的位置是該發現物件點所屬的該監視資料片段所屬的該監視器的位置。
- 如申請專利範圍第1項所述之物件追蹤方法,其中至少一上述發現物件點的位置是該目標物件在該發現物件點所屬的該監視資料片段中出現的位置。
- 如申請專利範圍第1項所述之物件追蹤方法,其中至少一上述發現物件點的時間是該目標物件在該發現物件點所屬的該監視資料片段中出現的時間。
- 如申請專利範圍第1項所述之物件追蹤方法,更包括:將一發現路徑集合設定為空集合;在找出該至少一發現物件點時,將該發現物件點和該發現物件點所對應的該起始物件點所定義的一發現路徑加入該發現路徑集合;以及當該發現物件點集合為空集合,則輸出該發現路徑集合。
- 一種電腦程式產品,用於一物件追蹤系統,當該物件追蹤系統載入並執行該電腦程式產品的電腦程式後,可完成如申請專利範圍第1項至第11項其中之一所述之物件追蹤方法。
- 一種電腦可讀取的記錄媒體,內儲一電腦程式,當一電腦載入並執行該電腦程式後,可完成如申請專利範圍第1項至第11項其中之一所述之物件追蹤方法。
- 一種物件追蹤系統,包括:多個監視器;以及一分析器,透過一網路耦接上述多個監視器;該分析器根據一起始物件點集合中的至少一起始物件點的位置和時間,決定該起始物件點所對應的一監視資料集合;該分析器自上述多個監視器擷取該監視資料集合中的監視資料片段;該分析器找出該監視資料集合中符合一目標物件的識別資訊的至少一發現物件點,將上述發現物件點加入一發現物件點集合;當該發現物件點集合不為空集合,則該分析器將該起始物件點集合設定為該發現物件點集合,並重複上述步驟;當該發現物件點集合為空集合,則該分析器輸出上述發現物件點。
- 如申請專利範圍第14項所述之物件追蹤系統,其中該分析器根據該起始物件點的位置決定該起始物件點所對應的一監視器集合,並根據該起始物件點的時間決定該監視器集合中的至少一監視器的至少一監視資料片段,其中該監視資料集合為該監視器集合中的該至少一監視器的該至少一監視資料片段所組成的集合。
- 如申請專利範圍第15項所述之物件追蹤系統,其中該分析器決定一可能路徑集合,該可能路徑集合包括在一電子地圖中自該起始物件點的位置離開一搜尋範圍的至少一可能路徑;對於每一上述可能路徑,該分析器選取該可能路徑在該搜尋範圍內最接近該起始物件點的監視器,其中該監視器集合為上述的最接近該起始物件點的監視器所組成的集合。
- 如申請專利範圍第16項所述之物件追蹤系統,其中該搜尋範圍為該電子地圖中的一封閉區域,而且該搜尋範圍其中至少一位置和該起始物件點之間的距離不超出一臨界值。
- 如申請專利範圍第16項所述之物件追蹤系統,其中該監視器集合與該監視資料集合組成該起始物件點所對應的一搜尋口袋,而且該分析器將該搜尋口袋標示為封閉;當上述可能路徑其中之一在該搜尋範圍內沒有任何監視器,則該分析器將該搜尋口袋標示為開放;當該發現物件點集合為空集合,則該分析器輸出上述搜尋口袋的上述標示。
- 如申請專利範圍第15項所述之物件追蹤系統,其中該分析器估計該目標物件自該起始物件點至該監視器集合的至少一監視器的移動時間,並且對於該監視器集合的該監視器,該分析器根據該起始物件點的時間和該移動時間,決定該監視器的該監視資料片段的起始時間和結束時間。
- 如申請專利範圍第19項所述之物件追蹤系統,其中該分析器估計該目標物件自該起始物件點至該監視器集合的至少一監視器的移動速度,並且對於該監視器集合的該監視器,該分析器根據該起始物件點至該監視器的距離和該移動速度,估計該移動時間。
- 如申請專利範圍第15項所述之物件追蹤系統,其中至少一上述發現物件點的位置是該發現物件點所屬的該監視資料片段所屬的該監視器的位置。
- 如申請專利範圍第14項所述之物件追蹤系統,其中至少一上述發現物件點的位置是該目標物件在該發現物件點所屬的該監視資料片段中出現的位置。
- 如申請專利範圍第14項所述之物件追蹤系統,其中至少一上述發現物件點的時間是該目標物件在該發現物件點所屬的該監視資料片段中出現的時間。
- 如申請專利範圍第14項所述之物件追蹤方法,其中該分析器將一發現路徑集合設定為空集合,並且在找出該至少一發現物件點時,將該發現物件點和該發現物件點所對應的該起始物件點所定義的一發現路徑加入該發現路徑集合;當該發現物件點集合為空集合,則該分析器輸出該發現路徑集合。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100148625A TWI450207B (zh) | 2011-12-26 | 2011-12-26 | 物件追蹤的方法、系統、電腦程式產品與記錄媒體 |
US13/338,271 US8890957B2 (en) | 2011-12-26 | 2011-12-28 | Method, system, computer program product and computer-readable recording medium for object tracking |
CN201110451967.8A CN103177436B (zh) | 2011-12-26 | 2011-12-29 | 物件追踪的方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100148625A TWI450207B (zh) | 2011-12-26 | 2011-12-26 | 物件追蹤的方法、系統、電腦程式產品與記錄媒體 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201327430A true TW201327430A (zh) | 2013-07-01 |
TWI450207B TWI450207B (zh) | 2014-08-21 |
Family
ID=48637268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100148625A TWI450207B (zh) | 2011-12-26 | 2011-12-26 | 物件追蹤的方法、系統、電腦程式產品與記錄媒體 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8890957B2 (zh) |
CN (1) | CN103177436B (zh) |
TW (1) | TWI450207B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI613601B (zh) * | 2016-12-09 | 2018-02-01 | Chunghwa Telecom Co Ltd | 智慧型影像辨識動態規劃之系統及方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9490976B2 (en) * | 2014-09-29 | 2016-11-08 | Wipro Limited | Systems and methods for providing recommendations to obfuscate an entity context |
TWI549499B (zh) * | 2015-02-17 | 2016-09-11 | Zan Quan Technology Co Ltd | A system for automatically recording motion data and a method thereof |
CN104902233B (zh) * | 2015-05-22 | 2018-03-09 | 辽宁玖鼎金盛计算机技术有限公司 | 综合安全监控系统 |
CN108122242A (zh) * | 2016-11-24 | 2018-06-05 | 英业达科技有限公司 | 物件追踪方法 |
CN106713864B (zh) * | 2016-12-24 | 2018-09-21 | 深圳云天励飞技术有限公司 | 一种视频处理方法及装置 |
CN108111806A (zh) * | 2017-11-20 | 2018-06-01 | 厦门市美亚柏科信息股份有限公司 | 一种监控方法及终端 |
CN108039045B (zh) * | 2017-12-14 | 2019-12-20 | 浙江警察学院 | 一种机动车管控方法和系统 |
EP3815062A1 (en) | 2018-06-29 | 2021-05-05 | Alarm.com Incorporated | Object tracking using disparate monitoring systems |
CN110248322B (zh) * | 2019-06-28 | 2021-10-22 | 国家计算机网络与信息安全管理中心 | 一种基于诈骗短信的诈骗团伙识别系统及识别方法 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8518803D0 (en) | 1985-07-25 | 1985-08-29 | Rca Corp | Locating target patterns within images |
US5592299A (en) | 1994-09-26 | 1997-01-07 | Hitachi America, Ltd. | Method and apparatus for reducing the amount of data required to represent a video frame |
US6295367B1 (en) * | 1997-06-19 | 2001-09-25 | Emtera Corporation | System and method for tracking movement of objects in a scene using correspondence graphs |
US7036094B1 (en) * | 1998-08-10 | 2006-04-25 | Cybernet Systems Corporation | Behavior recognition system |
SE522856C2 (sv) | 1999-01-29 | 2004-03-09 | Axis Ab | En datalagrings- och reduceringsmetod för digitala bilder, samt ett övervakningssystem som använder nämnda metod |
US9892606B2 (en) * | 2001-11-15 | 2018-02-13 | Avigilon Fortress Corporation | Video surveillance system employing video primitives |
US7868912B2 (en) | 2000-10-24 | 2011-01-11 | Objectvideo, Inc. | Video surveillance system employing video primitives |
US20020135695A1 (en) | 2001-03-26 | 2002-09-26 | Edelson Steven D. | Video data reduction by selected frame elimination |
JP4099973B2 (ja) | 2001-10-30 | 2008-06-11 | 松下電器産業株式会社 | 映像データ送信方法及び映像データ受信方法、並びに映像監視システム |
DE60330898D1 (de) * | 2002-11-12 | 2010-02-25 | Intellivid Corp | Verfahren und system zur verfolgung und verhaltensüberwachung von mehreren objekten, die sich durch mehrere sichtfelder bewegen |
US7394916B2 (en) * | 2003-02-10 | 2008-07-01 | Activeye, Inc. | Linking tracked objects that undergo temporary occlusion |
US7450735B1 (en) * | 2003-10-16 | 2008-11-11 | University Of Central Florida Research Foundation, Inc. | Tracking across multiple cameras with disjoint views |
US7697026B2 (en) | 2004-03-16 | 2010-04-13 | 3Vr Security, Inc. | Pipeline architecture for analyzing multiple video streams |
US20070047642A1 (en) | 2005-08-31 | 2007-03-01 | Erlandson Erik E | Video data compression |
US20070282665A1 (en) | 2006-06-02 | 2007-12-06 | Buehler Christopher J | Systems and methods for providing video surveillance data |
WO2009032366A2 (en) * | 2007-05-22 | 2009-03-12 | Vidsys, Inc. | Optimal routing of audio, video, and control data through heterogeneous networks |
US7460149B1 (en) | 2007-05-28 | 2008-12-02 | Kd Secure, Llc | Video data storage, search, and retrieval using meta-data and attribute data in a video surveillance system |
CN101393602B (zh) * | 2007-09-18 | 2015-11-25 | 财团法人车辆研究测试中心 | 应用于人员监控的眼睛辨识追踪方法 |
US20110096149A1 (en) * | 2007-12-07 | 2011-04-28 | Multi Base Limited | Video surveillance system with object tracking and retrieval |
US8098888B1 (en) * | 2008-01-28 | 2012-01-17 | Videomining Corporation | Method and system for automatic analysis of the trip of people in a retail space using multiple cameras |
US8126833B2 (en) | 2008-09-11 | 2012-02-28 | Behavioral Recognition Systems, Inc. | Detecting anomalous events using a long-term memory in a video analysis system |
TWI405457B (zh) * | 2008-12-18 | 2013-08-11 | Ind Tech Res Inst | 應用攝影機換手技術之多目標追蹤系統及其方法,與其智慧節點 |
US8537219B2 (en) * | 2009-03-19 | 2013-09-17 | International Business Machines Corporation | Identifying spatial locations of events within video image data |
MX2012009579A (es) * | 2010-02-19 | 2012-10-01 | Toshiba Kk | Sistema de rastreo de objetos en movimiento y metodo de rastreo de objetos en movimiento. |
CN102223473A (zh) * | 2010-04-16 | 2011-10-19 | 鸿富锦精密工业(深圳)有限公司 | 摄像装置及利用其动态追踪特定物体的方法 |
GB2485969A (en) * | 2010-11-12 | 2012-06-06 | Sony Corp | Video surveillance with anticipated arrival time of object in another camera view |
KR101425170B1 (ko) * | 2010-11-16 | 2014-08-04 | 한국전자통신연구원 | 영상 촬영 장치의 객체 추적 장치 및 방법과 보안 관리 시스템의 객체 추적 장치 |
-
2011
- 2011-12-26 TW TW100148625A patent/TWI450207B/zh active
- 2011-12-28 US US13/338,271 patent/US8890957B2/en active Active
- 2011-12-29 CN CN201110451967.8A patent/CN103177436B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI613601B (zh) * | 2016-12-09 | 2018-02-01 | Chunghwa Telecom Co Ltd | 智慧型影像辨識動態規劃之系統及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103177436A (zh) | 2013-06-26 |
US8890957B2 (en) | 2014-11-18 |
US20130162818A1 (en) | 2013-06-27 |
TWI450207B (zh) | 2014-08-21 |
CN103177436B (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI450207B (zh) | 物件追蹤的方法、系統、電腦程式產品與記錄媒體 | |
Laufs et al. | Security and the smart city: A systematic review | |
CN104200671B (zh) | 一种基于大数据平台的虚拟卡口管理方法及系统 | |
CN102595103B (zh) | 一种基于gis地图推演智能视频的方法 | |
CN106952477B (zh) | 基于多相机图像联合处理的路侧停车管理方法 | |
CN102929903B (zh) | 一种基于视频信息分层结构化描述的快速视频检索方法 | |
EP2980767B1 (en) | Video search and playback interface for vehicle monitor | |
Albiol et al. | Detection of parked vehicles using spatiotemporal maps | |
EP1742185A2 (en) | Automated asymmetric threat detection using backward tracking and behavioural analysis | |
CN109804367A (zh) | 使用边缘计算的分布式视频存储和搜索 | |
CN108710827B (zh) | 一种社区微警务巡查和信息自动分析系统及方法 | |
CN101505412A (zh) | 宾馆、写字楼和娱乐场所人像采集识别监控系统及方法 | |
CN111325954B (zh) | 人员走失预警方法、装置、系统及服务器 | |
CN111340003B (zh) | 一种针对电子警察盲区内违法变道行为的取证方法及系统 | |
Coifman et al. | The Berkeley highway laboratory-building on the I-880 field experiment | |
CN109905423B (zh) | 一种智能管理系统 | |
CN104660969A (zh) | 基于gis地图和视频实现高清智能卡口管理的系统及方法 | |
CN109872541A (zh) | 一种车辆信息分析方法及装置 | |
CN113378616A (zh) | 视频分析方法、视频分析的管理方法及相关设备 | |
CN115294519A (zh) | 一种基于轻量化网络的异常事件检测及预警方法 | |
CN103605956A (zh) | 基于视频摘要的突发事件智能识别系统 | |
CN114140719A (zh) | 一种ai交通视频分析技术 | |
CN115311591A (zh) | 异常行为的预警方法、装置及智能摄像头 | |
CN110490104A (zh) | 一种减少流浪者冲突的监测系统及监测方法 | |
CN105453149A (zh) | 犯罪证据提供器兼辅助搜索器 |