TW201835856A - 物件追蹤方法及系統 - Google Patents
物件追蹤方法及系統 Download PDFInfo
- Publication number
- TW201835856A TW201835856A TW107103343A TW107103343A TW201835856A TW 201835856 A TW201835856 A TW 201835856A TW 107103343 A TW107103343 A TW 107103343A TW 107103343 A TW107103343 A TW 107103343A TW 201835856 A TW201835856 A TW 201835856A
- Authority
- TW
- Taiwan
- Prior art keywords
- sensing
- objects
- sub
- image information
- tracking
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
Abstract
一種物件追蹤方法及系統,應用於監控設備。該監控設備包括複數感測單元及一圖像採集單元,該感測單元一一對應於複數子區域。該方法包括:接收複數感測單元上報的一個或者複數感測事件;及根據該一個或者複數感測事件,驅動該圖像採集單元以採集指定的一個或複數子區域內的物件的圖像資訊。
Description
本發明實施例涉及移動終端領域,尤其是涉及一種物件追蹤方法及系統。
物件追蹤系統主要用於追蹤物件的移動。目前的物件追蹤系統被用於諸如安全與監控系統、人機界面、醫療成像、視頻通信以及物件識別的各種應用中。基於監控裝置的物件追蹤系統監視與被追蹤的物件相關聯的時空變化。但是,基於監控裝置的物件追蹤系統受限於追蹤在該監控裝置的當前視野中可見的物件。當物件避過監控裝置初始的範圍進行移動時,將無法記錄追蹤物件的影像。而且基於監控裝置的物件追蹤系統在同時追蹤複數物件時能力有限。
因此,需要提供一種物件追蹤的方法與系統,能夠在追蹤物件進入監控裝置感測區域內時,立即感知該追蹤物件的進入並對該追蹤物件進行追蹤,且在出現複數追蹤物件時根據複數追蹤物件的優先順序次序進行依序追蹤。
鑒於以上內容,有必要提供一種物件追蹤方法,可以實現在物件進入監控設備感測區域內時,立即感知該物件的進入行為並對該物件進行追蹤。
鑒於以上內容,還有必要提供一種物件追蹤系統,可以實現在物件進入監控設備感測區域內時,立即感知該物件的進入行為並對該物件進行追蹤。
本發明實施方式提供的物件追蹤方法,應用於監控設備,該監控設備包括複數感測單元及一圖像採集單元,該感測單元一一對應於複數子區域,該方法包括:接收複數感測單元上報的一個或者複數感測事件;及根據該一個或者複數感測事件,驅動該圖像採集單元轉動以採集指定的一個或複數子區域內的物件的圖像資訊。
本發明實施方式提供的物件追蹤系統,應用於監控設備,該監控設備包括複數感測單元及圖像採集單元,該感測單元一一對應於複數子區域,該系統包括:接收模組,用於接收複數感測單元上報的一個或者複數感測事件;及追蹤模組,用於根據該一個或者複數感測事件,驅動該圖像採集單元轉動以採集指定的一個或複數子區域內的物件的圖像資訊。
相較於現有技術,該的物件追蹤方法及系統,可以實現在物件進入監控設備感測區域內時,立即感知該物件的進入行為並對該物件進行追蹤。
參閱圖1所示,是本發明實施例之監控設備1的功能模組圖。該監控設備1中還設有記憶體10和處理器20。該監控設備1上設有周向分佈的複數感測單元30和至少一個可轉動的圖像採集單元40。複數感測單元30用於對周圍區域進行感測,該周圍區域可分為複數子區域,每個感測單元30負責對其中一個對應的子區域進行感測,並將感測事件上報給處理器20並存儲於記憶體10。處理器20會根據各個感測單元30上報的感測事件,驅動圖像採集單元40轉動以採集指定的一個或複數子區域內的圖像資訊。
在本實施例中,複數感測單元30可以是位置感測器、射頻感測器或者被動紅外(Passive Infrared Radiation,PIR)感測器等,用於感測是否有物件進入其感測的周圍區域。需要說明的是,該感測單元30的類型及分佈的數量,使用者可以根據實際需要進行選擇。在本實施例中,圖像採集單元40可以是攝像頭或具有攝像功能的其它裝置。
繼續參考圖1與圖2,在本實施例中,處理器20運行有物件追蹤系統50。該物件追蹤系統50包括接收模組101、追蹤模組102、分組模組103和計算模組104。這些模組101~104是完成一特定功能的電腦程式段。這些模組101~104可存儲於記憶體10中。下面將對各個模組進行詳細說明。
接收模組101接收複數感測單元30上報的感測事件。在本實施例中,複數感測單元30中的一個感測單元(如30A,未顯示)感測到對應的子區域內有物件進入時,會定義一個感測事件並上報該感測事件。該感測事件可以是與被感測物件(物件)相關聯的初始資料。該初始資料包括該物件的個數。
追蹤模組102根據接收模組101接收到的感測事件,驅動圖像採集單元40轉動以採集指定的一個或複數子區域內的圖像資訊。例如,當接收模組101僅接收到一個感測單元(如30A,未顯示)上報的感測事件時,則驅動圖像採集單元40轉動以採集與這個感測單元(如30A,未顯示)對應子區域內的圖像資訊。當接收模組101接收到複數感測單元30上報的複數感測事件時,則需要選擇其中一個或複數感測單元30對應的子區域,並驅動圖像採集單元40轉動以採集該被選擇的子區域內的圖像資訊,具體選擇方案詳見後文。
參考圖3a,監控設備1沿周向方向均勻的分佈有6個PIR感測器。在本實施例中,每個感測器感測一個形狀為60°扇形的子區域,即PIR感測器P0~P5一一對應於子區域R0~R5。PIR感測器P0用於感測子區域R0內是否有感測事件,PIR感測器P1用於感測子區域R1內是否有感測事件,以此類推。該感測事件包括區域外物件的進入、區域內的物件離開以及區域內物件的移動(包括子區域間的移動與子區域內的移動)。圖3b將會對該動作行為作更詳細的說明,此處不再贅述。
以一個子區域有物件進入的情況為例。當PIR感測器P0感測到一個或複數物件進入子區域R0時,PIR感測器P0生成一個感測事件A0(預定義的感測信號,用於指示有物件進入子區域R0中)並上報給處理器20中的接收模組101。追蹤模組102會根據該感測事件A0,驅動圖像採集單元40轉動以採集子區域R0內的圖像資訊。進一步的,該追蹤模組102在採集到感測事件A0中的一個或複數物件時,會將該一個或複數物件做為追蹤物件,根據該一個或複數物件的移動而驅動圖像採集單元40跟隨轉動。
以複數子區域均有物件的情況為例。當PIR感測器P0感測到一個或複數物件進入子區域R0時,PIR感測器P0生成一個感測事件A0(預定義的感測信號);當PIR感測器P2感測到一個或複數物件進入子區域R2,PIR感測器P2生成一個感測事件A2;當PIR感測器P3感測到一個或複數物件進入子區域R3,PIR感測器P3生成一個感測事件A3。這些感測事件A0、A2、A3被上報給處理器20中的接收模組101。追蹤模組102會根據這些感測事件A0、A2、A3,依據預設規則從子區域R0、R2及R3中選擇其一個子區域(如R2),驅動圖像採集單元40轉動以採集子區域R2內的圖像資訊。選擇子區域的預設規則詳見下文。
在一實施例中,當複數子區域均有物件進入時,可以透過分組模組103可以將這些物件分為複數物件組。具體的,分組模組103可以根據複數子區域的數量、各個子區域的感測角度範圍(60°)、圖像採集單元40的可視角度範圍(如120°)以及各個感測單元上報的感測事件(如A0、A2、A3),可以將所有子區域(如R0~R5)合併為複數子區域組,每個子區域組由相鄰的複數子區域構成。例如,可以將R0、R1合併為一個子區域組[R0,R1],將R2、R3合併為一個子區域組[R2,R3],將R4、R5合併為一個子區域組[R4,R5]。依照該分組方式,將子區域R0內的一個或複數物件分為一個子區域組,將子區域R2和子區域R3內的一個或複數物件分為另一個子區域組。
如上所述,圖像採集單元40的可視角度範圍為120°,其無法同時監控R0、R2及R3內物件,其在同一時間點僅能採集其中一個子區域組(如[R0,R1]或[R2,R3])內的物件。因此,追蹤模組102需要從子區域組[R0,R1]和子區域組[R2,R3]選擇一個子區域組。當選擇追蹤子區域組[R2,R3]中物件時,則驅動圖像採集單元40轉動以採集子區域組[R2,R3]內的圖像資訊,以追蹤子區域組[R2,R3]內的物件。需要說明是,為使得子區域組[R2,R3]的區域範圍均在圖像採集單元40的可視範圍之內,圖像採集單元40被驅動轉動至子區域組[R2,R3]的中間,即下文中的方向[D2,3]。
在本實施例中,可以根據感測單元的數量N(如6個),將圖像採集單元40的圖像採集方向設置為2N(如12個)。如圖3a所示,本實施例中,將這12個圖像採集方向定義為[D0]、[D0,1]、[D1]、[D1,2]、[D2]、[D2,3]、[D3]、[D3,4]、[D4]、[D4,5]、[D5]、[D5,0]。
當PIR感測器P0、P2、P3上報感測事件A0、A2、A3時,圖像採集單元40由於可視角度無法同時監控上述感測事件中的所有物件時,需要選擇一些物件做為監控物件,而選擇的依據在於:各個物件根據其動作行為被賦予的相應權重。例如,本實施例中,將該動作行為進行分類,並賦予不同類型的動作行為以不同的權重。動作行為分類為進入感測區域(join)、感測區域間移動(moving)、感測區域內移動(detection)與退出感測區域(leave),其分別對應地賦值為4分、3分、2分、1分。具體如下:
為表述清晰,將分組稱之為物件組(Event Group,EG),每個EG由1~2個物件組成。圖像採集單元40的圖像採集方向稱之為拍攝方向Camera Direction (CD)。在一實施例中,可以根據EG決定CD。
在另一實施例中,可以透過計算模組104根據權重計算複數物件組被監控的優先順序次序。即,根據各個EG的重要性來決定CD的次序。記錄R1-R6子區域中物件在時間T及T+1的狀態,規則如下: (1) Ri出現感測事件,且Ri-1與Ri+1無感測事件,則EG=[Ri],CD=[Di]。 (2) Ri與Ri+1出現感測事件,且Ri-1與Ri+2無感測事件,則EG=[Ri,Ri+1],CD=[Di,i+1]。 (3) Ri、Ri+1與Ri+2出現感測事件,且Ri-1與Ri+3無感測事件, 則EG=[Ri,Ri+1 ],[Ri+1,Ri+2],CD=[Di,i+1],[Di+1,i+2]。 (4) Ri,Ri+1,Ri+2,Ri+3出現感測事件,且Ri-1,Ri+4無感測事件, 則EG=[Ri,Ri+1],[Ri+2,Ri+3],CD=[Di,i+1],[Di+2,i+3]。 (5) Ri、Ri+1 、Ri+2、Ri+3 、Ri+4出現感測事件,且Ri+5無感測事件,則EG=[Ri,Ri+1],MaxPriority{[Ri+1,Ri+2] or [Ri+2] or [Ri+2,Ri+3]},[Ri+3,Ri+4],CD=[Di,i+1],{[Di+1,i+2] or [Di+2] or [Di+2,i+3]},[Di+4,i+5]。其中MaxPriority{[Ri+1,Ri+2] or [Ri+2] or [Ri+2,Ri+3]}是指可以選擇[Ri+1,Ri+2]或者[Ri+2]或者[Ri+2,Ri+3]三種分組中物件數量最多的物件組。 (6) Ri~Ri+5都出現感測事件,則EG=[Ri,Ri+1],[Ri+2,Ri+3],[Ri+4,Ri+5], CD=[Di,i+1],[Di+2,i+3],[Di+4,i+5]。 (7) 最後計算EG中感測事件各個物件組的權重加總值,根據該權重加總值的大小決定圖像採集單元40轉動方向的先後順序。
下面以一具體實施例對複數物件的監控拍攝流程進行說明: 如圖3b所示,PIR感測器P0~P5對應感測子區域R0~R5,每個子區域R0~R5均為角度為60°的扇形子區域。有4個物件H1、H2、H3、H5分別在子區域R1、R2、R3、R5中。因此,對於R1、R2、R3而言,滿足規則(4)Ri、Ri+1、Ri+2出現感測事件,且Ri-1、Ri+3無感測事件,則EG=[Ri,Ri+1],[Ri+1,Ri+2],CD=[Di,i+1],[Di+1,i+2]。因此,R1、R2、R3可以分組為EG=[R1,R2]、[R2,R3],圖像採集單元40的圖像採集方向為CD=[D1,2]、[D2,3]。其中,[D1,2]、[D2,3]被拍攝的先後順序下文將會有詳細描述。對於R5而言,滿足規則(1)Ri出現感測事件,且Ri-1, Ri+1無感測事件,則EG=[Ri],CD=[Di]。因此,R5可以分組為EG=[R5],圖像採集單元40的圖像採集方向為CD=[D5]。
圖像採集單元40偵測各個物件的動作行為是基於預設時間內被偵測的物件所在的子區域位置變化決定。該預設時間根據子區域大小決定。圖像採集單元40賦予不同的動作行為不同的權重。本實施例中,所有感測單元記錄的物件的狀態均記錄在狀態資訊表中。每隔所定義的預設時間(T到T+1),對該狀態資訊表進行更新,並計算每個物件當前時間的動作行為。
本實施例對物件的動作行為定義如下: 預設時間內,同一物件在同一子區域則物件的動作行為為子區域內移動(detection)。 預設時間內,同一物件從一子區域到另一子區域則物件的動作行為為子區域間移動(moving)。 預設時間內,同一物件從不在任一子區域到進入一子區域則物件的動作行為為區域外物件的進入(join)。 預設時間內,同一物件從在一子區域到不在任一子區域則物件的動作行為為區域內的物件離開(leave)。
如圖3b中,圖像採集單元40透過比對30秒前狀態資訊表與當前狀態資訊表中物件H1、H2、H3、H5的狀態得知H1、H2、H3、H5的動作行為分別為join、moving、leave及join。圖像採集單元40賦予H1、H2、H3、H5的動作行為的權重分別為4分、3分、1分及4分。
計算模組104根據H1、H2、H3、H5的動作行為的權重計算3個物件組[R5]、[R1,R2]、[R2,R3]被監控的優先順序次序。本實施例中,物件組的優先順序計算方法為物件組成員數權重的加總。當物件組的加總值相同時,以物件多的優先拍攝。物件組[R5]的優先順序為4分,物件組[R1,R2]的優先順序為4+3=7(分),物件組[R2,R3]的優先順序為3+1=4(分)。因此,計算模組107計算3個物件組[R5]、[R1,R2]、[R2,R3]被監控的優先順序次序為[R1,R2]、[R2,R3]、[R5]。按照圖像採集單元40採集的3個物件組[R5]、[R1,R2]、[R2,R3]的圖像採集方向及計算模組104計算的優先順序次序為[R1,R2]、[R2,R3]、[R5],圖像採集單元40被驅動轉動將拍攝方向按照先後順序分別調整至[D1,2]、[D2,3]、[D5]先後對[R1,R2]、[R2,R3]及[R5]進行拍攝。
需要說明的是,物件組的優先順序計算方法,本發明並不限於本實施例所述,使用者根據實際需要可以進行適當修改與改進。
與既有方式相比,本發明實施例之監控設備1可以實現在物件進入監控設備偵測區域內時,立即感知該物件的進入行為並對該物件進行追蹤。
參閱圖4所示,是本發明實施例之物件追蹤方法的流程圖。該物件追蹤方法可透過該處理器20執行圖2所示的模組101~104而實現。
步驟S402,接收複數感測單元上報的一個或者複數感測事件。
步驟S404,判斷被上報的感測事件的個數。
步驟S406,當只有一個感測事件被上報時,採集該一個感測事件中的一個或複數物件並將該一個或複數物件作為追蹤物件。
步驟S408,根據該一個或複數物件的移動驅動圖像採集單元跟隨轉動。
步驟S410,當有複數感測事件被上報時,記錄發生該複數感測事件的複數感測區域及對應的複數感測單元。
步驟S412,驅動圖像採集單元轉動,以採集該複數感測區域的所有物件的圖像資訊。
參閱圖5所示,是本發明實施方式之驅動圖像採集單元轉動,以採集該複數感測區域的所有物件的圖像資訊的方法的步驟流程圖。該驅動圖像採集單元轉動,以採集該複數感測區域的所有物件的圖像資訊的方法可透過該處理器30執行圖2所示的模組101~104而實現。
步驟S502,將該複數感測區域內的所有物件分為複數物件組。
步驟S504,按照預設規則計算該複數物件組的拍攝方向。
步驟S506,驅動圖像採集單元轉動至該拍攝方向以採集各個物件組的物件的圖像資訊。
步驟S508,接收圖像採集單元採集的該複數感測區域內的一個或者複數物件的動作行為。
步驟S510,將該動作行為進行分類,並賦予不同類型的動作行為以不同的權重。
步驟S512,計算該複數物件組中各個物件組的物件動作行為的權重加總值。
步驟S514,根據該權重加總值的大小決定該複數物件組被監控的優先順序次序。
步驟S516,驅動圖像採集單元按照該優先順序次序轉動以採集各個物件組的物件的圖像資訊。
透過將上述方法應用於上述系統,可以實現在物件進入監控設備偵測區域內時,立即感知該物件的進入行為並對該物件進行追蹤。
值得注意的是,以上實施例僅用以說明本發明的技術方案而非限制,儘管參照較佳實施例對本發明進行了詳細說明,本領域的普通技術人員應當理解,可以對本發明的技術方案進行修改或等同替換,而不脫離本發明技術方案的精神和範圍。
1‧‧‧監控設備
10‧‧‧記憶體
20‧‧‧處理器
30‧‧‧感測單元
40‧‧‧圖像採集單元
50‧‧‧物件追蹤系統
101‧‧‧接收模組
102‧‧‧追蹤模組
103‧‧‧分組模組
104‧‧‧計算模組
圖1係本發明實施例之物件追蹤系統的運行環境圖。
圖2係本發明實施例之物件追蹤系統的功能方塊圖。
圖3a係本發明實施例之監控設備的劃分拍攝方向的示例圖。
圖3b係本發明實施例之對複數物件的監控拍攝的示例圖。
圖4係本發明實施例之物件追蹤方法的步驟流程圖。
圖5係本發明實施例之驅動圖像採集單元轉動,以採集該複數感測區域的所有物件的圖像資訊的方法的步驟流程圖。
無
Claims (10)
- 一種物件追蹤方法,用於監控設備中,該監控設備包括複數感測單元及一圖像採集單元,其中,該複數感測單元一一對應於複數子區域,該方法包括: 接收該複數感測單元上報的一個或者複數感測事件;及 根據該一個或者複數感測事件,驅動該圖像採集單元以採集指定的一個或複數子區域內的物件的圖像資訊。
- 如申請專利範圍第1項之物件追蹤方法,其中,該方法更包括下列步驟: 判斷被上報的感測事件的個數; 當只有一個感測事件被上報時,記錄發生該一個感測事件的對應子區域; 採集該一個感測事件中的一個或複數物件,並將所述一個或複數物件作為追蹤物件;及 驅動該圖像採集單元至該對應子區域採集該一個或複數物件的圖像資訊。
- 如申請專利範圍第2項之物件追蹤方法,其中,該方法更包括下列步驟: 當有複數感測事件被上報時,記錄發生該複數感測事件的複數感測區域及對應的複數感測單元;及 驅動圖像採集單元轉動,以採集該複數感測區域的所有物件的圖像資訊。
- 如申請專利範圍第3項之物件追蹤方法,其中,該採集該複數感測區域的所有物件的圖像資訊的步驟包括: 將該複數感測區域內的所有物件分為複數物件組; 按照預設規則計算該複數物件組的拍攝方向;及 驅動圖像採集單元轉動至該拍攝方向以採集各個物件組的物件的圖像資訊。
- 如申請專利範圍第4項之物件追蹤方法,其中,該採集該複數感測區域的所有物件的圖像資訊的步驟,還包括: 接收圖像採集單元採集的該複數感測區域內的一個或者複數物件的動作行為; 將該動作行為進行分類,並賦予不同類型的動作行為以不同的權重; 計算該複數物件組中各個物件組的物件動作行為的權重加總值; 根據該權重加總值的大小決定該複數物件組被監控的優先順序次序;及 驅動圖像採集單元按照該優先順序次序轉動以採集各個物件組的物件的圖像資訊。
- 一種物件追蹤系統,應用於監控設備,其中,該監控設備包括複數感測單元及一圖像採集單元,該複數感測單元一一對應於複數子區域,該系統包括: 接收模組,用於接收該複數感測單元上報的一個或者複數感測事件;及 追蹤模組,用於根據該一個或者複數感測事件,驅動該圖像採集單元以採集指定的一個或複數子區域內的物件的圖像資訊。
- 如申請專利範圍第6項之物件追蹤系統,其中: 該接收模組,還用於判斷被上報的感測事件的個數;及 該追蹤模組,還用於當只有一個感測事件被上報時,採集該一個感測事件中的一個或複數物件,並將該一個或複數物件作為追蹤物件;及 驅動該圖像採集單元追蹤該一個或複數物件。
- 如申請專利範圍第7項之物件追蹤系統,其中,該追蹤模組還用於: 當有複數感測事件被上報時,記錄發生該感測事件的複數感測區域及與該複數感測區域對應的複數感測單元;及 驅動圖像採集單元轉動,以採集發生該感測事件的複數感測區域的所有物件的圖像資訊。
- 如申請專利範圍第8項之物件追蹤系統,其中,該追蹤模組還用於: 該系統還包括: 分組模組,用於將該複數感測區域內的所有物件分為複數物件組;及 計算模組,用於按照預設規則計算該複數物件組的拍攝方向; 所述追蹤模組還用於,驅動圖像採集單元轉動至該拍攝方向以採集各個物件組的物件的圖像資訊。
- 如申請專利範圍第9項之物件追蹤系統,其中,該計算模組還用於: 接收圖像採集單元採集的該複數感測區域內的一個或者複數物件的動作行為; 將該動作行為進行分類,並賦予不同類型的動作行為以不同的權重; 計算該複數物件組中各個物件組的物件動作行為的權重加總值;及 根據該權重加總值的大小決定該複數物件組被監控的優先順序次序; 該追蹤模組還用於,驅動圖像採集單元按照該優先順序次序轉動以採集各個物件組的物件的圖像資訊。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/468134 | 2017-03-24 | ||
US15/468,134 US20180278852A1 (en) | 2017-03-24 | 2017-03-24 | Object tracking system and method |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201835856A true TW201835856A (zh) | 2018-10-01 |
Family
ID=63583757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107103343A TW201835856A (zh) | 2017-03-24 | 2018-01-30 | 物件追蹤方法及系統 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180278852A1 (zh) |
CN (1) | CN108629794A (zh) |
TW (1) | TW201835856A (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190208168A1 (en) * | 2016-01-29 | 2019-07-04 | John K. Collings, III | Limited Access Community Surveillance System |
JP2020072457A (ja) * | 2018-11-02 | 2020-05-07 | ソニー株式会社 | 映像処理装置、映像処理方法、およびプログラム |
CN111383251B (zh) * | 2018-12-28 | 2023-06-13 | 杭州海康微影传感科技有限公司 | 一种跟踪目标对象的方法、装置、监控设备和存储介质 |
CN110276837B (zh) * | 2019-05-24 | 2023-07-21 | 联想(上海)信息技术有限公司 | 一种信息处理方法、电子设备 |
CN110225251B (zh) | 2019-05-31 | 2020-10-16 | 维沃移动通信(杭州)有限公司 | 一种视频录制方法及终端 |
US11082705B1 (en) * | 2020-06-17 | 2021-08-03 | Ambit Microsystems (Shanghai) Ltd. | Method for image transmitting, transmitting device and receiving device |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2721597B2 (ja) * | 1991-07-08 | 1998-03-04 | オプテックス株式会社 | 監視用撮像装置 |
CN101465033B (zh) * | 2008-05-28 | 2011-01-26 | 丁国锋 | 一种自动追踪识别系统及方法 |
CN101335879A (zh) * | 2008-07-10 | 2008-12-31 | 华南理工大学 | 多点触发定点追踪的监控方法及监控系统 |
CN202190348U (zh) * | 2011-04-01 | 2012-04-11 | 天津长城科安电子科技有限公司 | 目标自动跟踪智能摄像机 |
JP2013097581A (ja) * | 2011-11-01 | 2013-05-20 | Hitachi Kokusai Electric Inc | 監視カメラシステム |
US9352207B2 (en) * | 2012-01-19 | 2016-05-31 | Nike, Inc. | Action detection and activity classification |
US9288452B2 (en) * | 2013-11-21 | 2016-03-15 | Panasonic Intellectual Property Management Co., Ltd. | Apparatus for controlling image capturing device and shutter |
CN103986871B (zh) * | 2014-05-23 | 2017-04-19 | 华中科技大学 | 一种智能变焦视频监控方法及系统 |
CN105223859A (zh) * | 2014-06-13 | 2016-01-06 | 比亚迪股份有限公司 | 控制云台摄像机自动追踪目标的方法和装置 |
CN105245783A (zh) * | 2015-11-23 | 2016-01-13 | 北京奇虎科技有限公司 | 摄像装置及其换向追踪控制方法、其与感应设备配对方法 |
-
2017
- 2017-03-24 US US15/468,134 patent/US20180278852A1/en not_active Abandoned
- 2017-03-28 CN CN201710192020.7A patent/CN108629794A/zh active Pending
-
2018
- 2018-01-30 TW TW107103343A patent/TW201835856A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
US20180278852A1 (en) | 2018-09-27 |
CN108629794A (zh) | 2018-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201835856A (zh) | 物件追蹤方法及系統 | |
CN108027874B (zh) | 使用深度摄像头的基于计算机视觉的安全系统 | |
CN104902246B (zh) | 视频监视方法和装置 | |
US20120327246A1 (en) | Automatic Multiscale Image Acquisition from a Steerable Camera | |
JP2008515286A (ja) | 監視システムのための対象物特性マップ | |
KR20150080863A (ko) | 히트맵 제공 장치 및 방법 | |
US20070296813A1 (en) | Intelligent monitoring system and method | |
EP2932708A1 (en) | Mobile augmented reality for managing enclosed areas | |
US20220028107A1 (en) | Analysis apparatus, analysis method, and storage medium | |
CN105100596A (zh) | 相机设备和使用相机设备跟踪对象的方法 | |
JP2017188715A (ja) | 映像表示システム及び映像表示方法 | |
KR20150130901A (ko) | 카메라 장치 및 이를 이용한 객체 추적 방법 | |
EP3432575A1 (en) | Method for performing multi-camera automatic patrol control with aid of statistics data in a surveillance system, and associated apparatus | |
KR20160093253A (ko) | 영상 기반 이상 흐름 감지 방법 및 그 시스템 | |
KR100879622B1 (ko) | 비디오 기반 가상 경로 통과 물체 감지 방법 | |
JP6015756B2 (ja) | 位置管理装置、位置管理システム、位置管理方法、及び、位置管理プログラム | |
US20050128298A1 (en) | Method for following at least one object in a scene | |
RU2701092C1 (ru) | Система и способ сопровождения движущихся объектов | |
Fahim et al. | AcTrak: Controlling a Steerable Surveillance Camera using Reinforcement Learning | |
KR20020015505A (ko) | 지능형 로보틱 카메라 및 그 분산 제어장치 | |
US20230215015A1 (en) | Tracking device, tracking method, and recording medium | |
JP7358269B2 (ja) | 物体検出装置、物体検出システム、および、物体検出方法 | |
Costache et al. | Efficient video monitoring of areas of interest | |
JP7088330B2 (ja) | カメラ制御プログラム、カメラ制御方法およびカメラ制御装置 | |
WO2011005074A1 (en) | Surveillance system and method |