TWI676152B - 移動物體偵測方法 - Google Patents

移動物體偵測方法 Download PDF

Info

Publication number
TWI676152B
TWI676152B TW107115552A TW107115552A TWI676152B TW I676152 B TWI676152 B TW I676152B TW 107115552 A TW107115552 A TW 107115552A TW 107115552 A TW107115552 A TW 107115552A TW I676152 B TWI676152 B TW I676152B
Authority
TW
Taiwan
Prior art keywords
image
detection
moving object
virtual gate
detecting
Prior art date
Application number
TW107115552A
Other languages
English (en)
Other versions
TW201947532A (zh
Inventor
林道通
Daw Tung Lin
詹博丞
Po Cheng Chan
林義堯
Yi Yao Lin
Original Assignee
中華電信股份有限公司
Chunghwa Telecom Co., Ltd.
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 中華電信股份有限公司, Chunghwa Telecom Co., Ltd. filed Critical 中華電信股份有限公司
Priority to TW107115552A priority Critical patent/TWI676152B/zh
Application granted granted Critical
Publication of TWI676152B publication Critical patent/TWI676152B/zh
Publication of TW201947532A publication Critical patent/TW201947532A/zh

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本發明揭露一種移動物體偵測方法,係將移動物體偵測範圍設定為指定形狀,例如平行四邊形,攝影機於各種拍攝角度都能對出入口進行偵測,且依據物體大小、位移距離與位移角度以決定偵測的範圍;若位移距離過小時,則提前終止偵測,不用再做後續偵測,以對移動距離偵測與影像中偵測到的位置做更精準快速的判定,並利用背景圖擷取出前景物件來協助判定移動物體,以避免因光線變化造成之誤判。

Description

移動物體偵測方法
本發明係有關於一種偵測移動物體之方法,詳而言之,係關於一種應用於影像監控之移動物體偵測方法。
於影像監控系統中,有關移動物之偵測為重點,特別是,如何從兩個影像中判斷是否有移動物,更是監控主要目的,然此類影像判斷會受到許多因素影響,例如影像擷取設備的架設方式會影響所取得影樣,如何對影像進行解析,也可能因影像解析問題而誤判有移動物,再者,影像也可能因為光線角度差異,導致對於移動物的錯誤解讀,由此可知,監控系統中如何快速、準確判斷出移動物,成為此技術領域致力改善的問題。
在現有偵測移動物體技術中,如美國專利第US8126212號「Method of Detecting Moving Object」一案所揭露,移動物體偵測範圍被設定為一矩形,此矩形範圍可能只能對攝影機拍攝的部分畫面做偵測,若攝影機拍攝角度不是正面面對出入口方向,最糟狀況是整個畫面是歪斜而導致無法偵測出入口。由上可知,前述技術存在拍攝角度差異而影響影像判斷之問題,若無法克服,移動物體 之偵測仍有誤判的可能。
因此,若能找出一種移動物體之偵測方法,特別是以精簡有效的程序,大幅提高移動物體偵測準確度、速度及效能,解決過去移動物體偵測之方法無法有效應用在特殊多變化的移動物偵測,將成為目前本技術領域人員急欲解決之技術問題。
本發明之目的係提出一種偵測移動物體的方法,透過將移動物體偵測範圍設定為特定形狀,使得攝影機於各種拍攝角度都能對出入口進行偵測,並考量移動物體之大小、位移距離與位移角度,藉此對移動距離偵測與影像中偵測到的位置做更精準快速的判定。
本發明係提出一種移動物體偵測方法,係包含:提供一影像集合,該影像集合包含具有時間序列關係之第一影像及第二影像,且該第一影像之時間早於該第二影像之時間;於該第一影像的特定區域內依據預估物體之位移距離及位移角度定義出一偵測範圍;將該偵測範圍結合一特定方向形成一位移向量;以及結合該偵測範圍、該位移向量以及該第一影像之背景圖以產生一虛擬閘門,透過該虛擬閘門比對該第二影像與該第一影像中物體之位置差異,以於該物體位於該虛擬閘門定義之偵測區域內,且該物體之移動方向實質相同於預定之偵測方向時,判定該物體為有效之移動物體。
於一實施例中,該偵測範圍之形狀為一平行四邊形。
於又一實施例中,更包括於產生該虛擬閘門之前,透過於該背景圖中擷取出前景物件,該前景物件係用於協助該有效之移動物體之判斷。
於另一實施例中,更包括於產生該虛擬閘門之前,於判斷該物體之位移距離小於一預定值時,或者於判斷該位移向量之終點超出該偵測範圍時,終止該物體之偵測。
於再一實施例中,該虛擬閘門係定義出該偵測區域、該偵測方向以及偵測前景。
另外,更包括於產生該虛擬閘門之後,於該第一影像中設定一影像抓取範圍,以於該物體位於該影像抓取範圍以及該虛擬閘門定義之偵測區域內,且該物體之移動方向實質相同於預定之偵測方向時,判定該物體為有效之移動物體,其中,該影像抓取範圍係大於或小於該虛擬閘門,或者與該虛擬閘門錯位。
於其他實施例中,該第一影像及該第二影像分別為複數個,且該複數個第一影像之時間序列關係早於該複數個第二影像之時間序列關係。
相較於現有技術,本發明提出將移動物體偵測範圍設定特定區域,例如以平行四邊形為特定區域,則攝影機於各種拍攝角度時都能對出入口進行偵測;另外,現有技術對於位移向量僅考量位移距離與位移角度,但偵測上未考慮到物體移動速度,故偵測行為都相同,並沒有依照實際物體位移距離偵測,遂會導致在第二影像中對於物體所在位置判定錯誤,同時亦會造成系統資源的消耗,導致系統 因處理繁忙而漏接收影像,造成接收到的影像為不連續的狀況。相對的,本發明依據預估的物體位移距離與位移角度,判定是否有移動物體依定義的方向通過,若發現物體位移距離較小,則提前終止偵測,不再做後續偵測,故對移動距離偵測與影像中偵測到的位置能更精準的判定;再者,現有技術的移動物體偵測並未考慮到光線變化,故會導致位移向量屬於移動物體之誤判,反之,本發明利用背景圖的方式,擷取出前景物件協助判定移動物體,故能避免因光線變化造成之誤判。
10-15、20-24、30-35‧‧‧流程
30a~30g‧‧‧影像
101、201、301‧‧‧影像集合
101a、201c、301a‧‧‧第一影像
101b、201d、301b‧‧‧第二影像
111、211、311‧‧‧偵測範圍
121、221、321‧‧‧特定方向
122、222、322‧‧‧位移向量
123‧‧‧位移距離
124‧‧‧位移方向
131‧‧‧背景圖
132‧‧‧前景物件
141、231、331‧‧‧虛擬閘門
142、232、332‧‧‧偵測區域
143、233、333‧‧‧偵測方向
144‧‧‧偵測前景
145‧‧‧第二偵測區域
146‧‧‧第二偵測方向
147‧‧‧第二虛擬閘門
148‧‧‧第二偵測前景
201a‧‧‧第一影像群組
201b‧‧‧第二影像群組
334‧‧‧影像抓取區域
S11-S14‧‧‧步驟
第1圖係為本發明之移動物體偵測方法的步驟圖;第2圖係本發明之移動物體偵測方法第一實施例流程圖;第3A-3J圖係對應本發明第2圖之第一實施例之示意圖;第4圖係為本發明之移動物體偵測方法第二實施例流程圖;第5A-5B圖係對應本發明第4圖之第二實施例之示意圖;第6圖係為本發明之移動物體偵測方法第三實施例流程圖;以及第7A-7B圖係對應本發明第6圖之第三實施例之示意圖。
以下藉由特定的具體實施形態說明本發明之技術內容,熟悉此技藝之人士可由本說明書所揭示之內容輕易地瞭解本發明之優點與功效。然本發明亦可藉由其他不同的具體實施形態加以施行或應用。
第1圖係本發明之移動物體偵測方法的步驟圖。
如圖所示,於步驟S11中,提供一影像集合,該影像集合包含具有時間序列關係之第一影像及第二影像,且該第一影像之時間早於該第二影像之時間。具體來說,要判斷是否為有效的移動物體,係由前後兩張圖像,即第一影像和第二影像來判斷兩者差異。
於步驟S12中,係於該第一影像的特定區域內依據預估物體之位移距離及位移角度定義出一偵測範圍。於一較佳實施例中,該偵測範圍之形狀可為平行四邊形,但形狀不以此為限。本實施例選擇平行四邊形為實施態樣,在於其優點為可降低攝影機拍攝角度差異所造成的誤判。另外,該位移距離單位為像素。
於步驟S13中,係將該偵測範圍結合一特定方向形成一位移向量。此位移向量將用來判斷兩個影像,即第一影像和第二影像中物體的位置差異。
於步驟S14中,係結合該偵測範圍、該位移向量以及該第一影像之背景圖以產生一虛擬閘門,透過該虛擬閘門比對該第二影像與該第一影像中物體之位置差異,以於該物體位於該虛擬閘門定義之偵測區域內,且該物體之移動方向實質相同於預定之偵測方向時,判定該物體為有效之 移動物體。易言之,該虛擬閘門定義出該偵測區域、該偵測方向以及該背景圖,且於此所述之「實質相同」係表示兩者誤差在一預定範圍內,而非無任何誤差者;而在另一實施例中,當該物體位於該虛擬閘門定義之偵測區域內,且該物體之移動方向相同於預定之偵測方向時,判定該物體為有效之移動物體。
於一實施例中,於產生該虛擬閘門之前,透過於該背景圖中擷取出前景物件,該前景物件係用於協助該有效之移動物體之判斷。此方式是為了避免光源干擾而導致移動物體的誤判,亦即將背景圖中移動物體作為前景物件,並利用此前景物件來協助移動物體之判斷。
另外,為了降低有效之移動物體的誤判,於本步驟中,會進一步排除一些情況,即不將某些情況中的物件視為有效之移動物體。例如,一種情況是在產生該虛擬閘門之前,於判斷該物體之位移距離小於一預定值時,終止該物體之偵測。也就是說,若判斷物體位移距離過小時,就不將該物件視為有效之移動物體,而不會針對此物件持續偵測。
於另一種情況中,可在產生該虛擬閘門之前,於判斷該位移向量之終點超出該偵測範圍時,終止該物體之偵測。也就是說,若位移向量之終點超過一開始決定或預設的偵測範圍時,即不會對此物件持續偵測。
於其他實施例中,在產生該虛擬閘門之後,也可於第一影像中設定一影像抓取範圍,並在判斷該物體位於該影 像抓取範圍內以及該虛擬閘門定義之偵測區域內時,且該物體之移動方向實質相同於預定之偵測方向時,判定該物體為有效之移動物體。上述方式可令物體是否為移動物體之判斷更精確。
另外,前述第一影像及第二影像可分別為複數個,亦即包含數個第一影像之第一影像群組以及包含數個第二影像之第二影像群組,同樣地,第一影像群組之時間序列關係早於第二影像群組之時間序列關係,其判斷方式也相似於單一個第一影像及單一個第二影像。
下面透過執行流程圖,並搭配例舉圖式示意,以說明本發明不同實施例的處理流程。
如第2圖所示,其係說明本發明之移動物體偵測方法之第一實施例。以下之說明,茲配第3A-3J圖敘述流程10-15。
於流程10中,提供影像集合101(如由監視器所攝得的監視影像)。該影像集合101至少包含具有時間序列關係的第一影像101a與第二影像101b,且第一影像101a之時間早於第二影像101b之時間。具體來說,第一影像101a與第二影像101b可為行人、交通工具、動物,及一切可見之移動物體的影像。
於流程11中,如第3A圖所示,在第一影像101a的特定區域中,依據預估物體的位移距離與位移方向定義出偵測範圍111,該偵測範圍111之形狀可為平行四邊形,但不以此為限。此外,該偵測範圍111之計量單位為影像 區塊,每一區塊的較佳尺寸為8像素(pixel)* 8像素,當然,也可視需要調整為其他像素。
於流程12中,將偵測範圍111以一特定方向121位移,以形成一個位移向量122。如第3B圖所示,一個移動物體(如影像30a中人影所示)依照定義的方向,由右上方向左下方位移至影像30b所示之位置,該移動物體在兩張影像上於偵測範圍111內構成位移向量122,如第3C圖所示。接著,參照第3D圖,一個移動物體(如影像30c中人影所示)依照定義的方向,由右上方向左下方位移至影像30d所示之位置,該移動物體在兩張影像上於偵測範圍111內構成位移向量122,如第3E圖所示,該位移向量122之終點在偵測範圍111內乃形成位移距離123與位移方向124。
為使移動物體判斷更精確,某些狀態下物體將不被視為移動物體而不做後續偵測。在一種情況中,於位移向量之終點超出偵測範圍111時,不進行偵測,如第3F圖所示,一個移動物體依照定義的方向,由影像30e中人影所示之右上方向左下方位移至影像30f所示之位置,在偵測範圍111內移動情況係如第3G圖所示,若移動物體位移距離小於一預定值,亦即距離過小,此時接下來如影像30f至影像30g所示的移動,則不再進行偵測。
於流程13中,如第3H圖所示之避免因光線變化造成對移動物體誤判之方法,係將偵測範圍111內的影像當作是一背景圖131,並將背景圖131中的移動物體作為前景 物件132,俾以前景物件132協助判定一移動物體,而避免光源干擾之誤判。
於流程14中,將偵測範圍111、位移向量122、背景圖131三者結合以構產生一虛擬閘門(virtual gate)141。如第3I圖所示,所構築出的虛擬閘門141定義了偵測區域142、偵測方向143及/或偵測前景144。偵測方向143可依使用者需求任意設定,且可為單一固定的方向,而位移向量122則包含位移角度與位移距離。另外,位移角度與位移距離可由使用者設定,位移距離的單位則為像素。
於流程15中,利用虛擬閘門141來比較第二影像101b與第一影像101a中物體位置之差異。若有任何物體落於虛擬閘門141所定義的偵測區域142內,且物體的位移方向與偵測方向143是實質相同時,則擷取此物體為有效之移動物體。
上述之「實質相同」之定義係為若物體的位移方向與先前由虛擬閘門141所定義的偵測方向143之間的差異在預先設定的範圍內時,則稱兩者為「實質相同」。
如第3J圖所示,本發明所提供之偵測方法,除了可以偵測單一物體的移動外,也可同時進行複數個物體的移動偵測,亦即在同樣的第一影像101a之中,藉由設定第二偵測區域145、第二偵測方向146及/或第二偵測前景148,構築出第二虛擬閘門147,即能藉該第二虛擬閘門147來偵測第二移動物體。該移動物體偵測方法同於前述,於此不再贅述。
第4圖係用以說明本發明之移動物體偵測方法之第二實施例。以下之說明,茲進一步配合第5A及5B圖來敘述流程20-24的移動物體偵測方法。
於流程20中,提供影像集合201(如由監視器所攝得的監視影像)。該影像集合201至少包含具有時間序列關係的第一影像群組201a與第二影像群組201b,且第一影像群組201a之時間早於第二影像群組201b之時間;第一影像群組201a包含有複數個第一影像201c,且第二影像群組201b包含有複數個第二影像201d。該些影像可為行人、交通工具、動物,及一切可見之移動物體的影像。
於流程21中,如第5A圖所示,在第一影像群組201a的特定區域(即一適當區域)中設定出偵測範圍211,此偵測範圍211形狀可為平行四邊形,或是依需求而為其他形狀。另外,偵測範圍211的計量單位為影像區塊,每一區塊的較佳尺寸為8像素(pixel)* 8像素,當然也可視需要調整為其他像素。
於流程22中,將偵測範圍211以一特定方向221位移,以形成一個位移向量222。
於流程23中,將偵測範圍211與位移向量222兩者結合,以構築一虛擬閘門231。如第5B圖所示,所構築出的虛擬閘門231定義了偵測區域232與偵測方向233,偵測方向233可依使用者之需求任意設定,偵測方向233可為單一固定的方向,且位移向量222包含位移角度與位移距離。另外,位移角度與位移距離可由使用者設定,而位移 距離的單位則為像素。
於流程24中,利用虛擬閘門231來比較第二影像群組201b與第一影像群組201a中物體位置之差異。具體來說,若有任何物體落於虛擬閘門231定義的偵測區域142內,且物體的位移方向與偵測方向233是實質相同,則擷取此物體為有效之位移物體。此處所述之「實質相同」的定義如同前述。
第6圖係用以說明本發明之移動物體偵測方法的第三實施例之流程圖。以下之說明,茲配合第7A及7B圖敘述流程30-35的移動物體偵測方法。
於流程30中,係提供如由監視器所攝得的監視影像之影像集合301。該影像集合301至少包含具有時間序列關係的第一影像301a與第二影像301b,且第一影像301a之時間早於第二影像301b之時間。第一影像301a與第二影像301b可為行人、交通工具、動物,及一切可見之移動物體的影像。
於流程31中,如第7A圖所示,係在第一影像301a的特定區域設定出偵測範圍311。此偵測範圍311形狀可為平行四邊形,或是依需求而為其他形狀。具體來說,偵測範圍311的計量單位為影像區塊,每一區塊的較佳尺寸為8像素(pixel)* 8像素,當然也可視需要調整為其他像素。
於流程32中,將偵測範圍311以一特定方向321位移,以形成一個位移向量322。
於流程33中,將偵測範圍311與位移向量322結合兩 者以構築一虛擬閘門331。如第7B圖所示,所構築出的虛擬閘門331定義了偵測區域332與偵測方向333,偵測方向333可依使用者需求任意設定,偵測方向333可為單一固定的方向,且位移向量322包含位移角度與位移距離。另外,位移角度與位移距離由使用者設定,而位移距離的單位則為像素。
於流程34中,係於第一影像301a內設定影像抓取區域334。該影像抓取區域334可在虛擬閘門331中選擇任意定位,所需擷取的範圍可大於或小於虛擬閘門331,也可與虛擬閘門331錯位,此由使用者自行設定調整,以滿足不同使用者的監視或紀錄需求。
於流程35中,利用虛擬閘門331來比較第二影像301b與第一影像301a中物體位置之差異。具體來說,若有任何物體落於該影像抓取區域334內且位於該虛擬閘門331定義的偵測區域332內,以及物體的位移方向與偵測方向333是實質相同者,則擷取此物體為有效之移動物體。該「實質相同」的定義與前述實施例相同,此處不再贅述。
綜上所述,本發明所提出之移動物體偵測方法,相較於現有技術具備下列優點:(1)移動物體偵測範圍可設為平行四邊形,相較於先前的矩形範圍更利於監視器從各種角度對警戒區出入口與安全死角做偵測;(2)移動物體之偵測係依據物體之位移距離與位移方向來判定移動物體是否有依設定的方向移動,若物體位移距離過小,則提前終止偵測,相較於先前技術對移動物體之偵測更有效率,且能夠 有效降低嵌入式系統的資源消耗;以及(3)先前技術對移動物體之偵測並未考慮到光線變化,導致對移動物體的誤判,相對的,本發明利用背景圖擷取出前景物件以協助判定移動物體,故能避免因光線變化造成之誤判。
以上所述僅為本發明可行實施例之具體說明,並非用以限定本發明之權利範圍;同時以上的描述,對於熟知本技術領域之專門人士應可明瞭及實施,因此其他未脫離本發明所揭示之精神下所完成的等效改變或修飾,均應包含在申請專利範圍中。

Claims (9)

  1. 一種移動物體偵測方法,係包含:提供一影像集合,該影像集合包含具有時間序列關係之第一影像及第二影像,且該第一影像之時間早於該第二影像之時間;於該第一影像的特定區域內依據預估物體之位移距離及位移角度定義出一偵測範圍;將該偵測範圍結合一特定方向形成一位移向量;以及結合該偵測範圍、該位移向量以及該第一影像之背景圖以產生一虛擬閘門,透過該虛擬閘門比對該第二影像與該第一影像中物體之位置差異,以於該物體位於該虛擬閘門定義之偵測區域內,且該物體之移動方向實質相同於預定之偵測方向時,判定該物體為有效之移動物體,其中,於產生該虛擬閘門之前,更包括於該背景圖中擷取出前景物件,以協助該有效之移動物體之判斷。
  2. 如申請專利範圍第1項所述之移動物體偵測方法,其中,該偵測範圍之形狀為一平行四邊形。
  3. 如申請專利範圍第1項所述之移動物體偵測方法,更包括於產生該虛擬閘門之前,於判斷該物體之位移距離小於一預定值時,終止該物體之偵測。
  4. 如申請專利範圍第1項所述之移動物體偵測方法,更包括於產生該虛擬閘門之前,於判斷該位移向量之終點超出該偵測範圍時,終止該物體之偵測。
  5. 如申請專利範圍第1項所述之移動物體偵測方法,更包括於產生該虛擬閘門之後,於該第一影像中設定一影像抓取範圍,以於該物體位於該影像抓取範圍以及該虛擬閘門定義之偵測區域內,且該物體之移動方向實質相同於預定之偵測方向時,判定該物體為有效之移動物體。
  6. 如申請專利範圍第5項所述之移動物體偵測方法,其中,該影像抓取範圍係大於或小於該虛擬閘門,或者與該虛擬閘門錯位。
  7. 如申請專利範圍第1項所述之移動物體偵測方法,其中,該虛擬閘門係定義出該偵測區域、該偵測方向以及偵測前景。
  8. 如申請專利範圍第1項所述之移動物體偵測方法,其中,該位移距離單位為像素。
  9. 如申請專利範圍第1項所述之移動物體偵測方法,其中,該第一影像及該第二影像分別為複數個,且該複數個第一影像之時間序列關係早於該複數個第二影像之時間序列關係。
TW107115552A 2018-05-08 2018-05-08 移動物體偵測方法 TWI676152B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW107115552A TWI676152B (zh) 2018-05-08 2018-05-08 移動物體偵測方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107115552A TWI676152B (zh) 2018-05-08 2018-05-08 移動物體偵測方法

Publications (2)

Publication Number Publication Date
TWI676152B true TWI676152B (zh) 2019-11-01
TW201947532A TW201947532A (zh) 2019-12-16

Family

ID=69188654

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107115552A TWI676152B (zh) 2018-05-08 2018-05-08 移動物體偵測方法

Country Status (1)

Country Link
TW (1) TWI676152B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201001339A (en) * 2008-06-25 2010-01-01 Univ Nat Chiao Tung Method of detecting moving object
TW201120807A (en) * 2009-12-10 2011-06-16 Ind Tech Res Inst Apparatus and method for moving object detection
TW201539378A (zh) * 2014-04-01 2015-10-16 Altek Autotronics Corp 物件偵測系統
TW201742002A (zh) * 2016-05-31 2017-12-01 和碩聯合科技股份有限公司 移動物偵測方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201001339A (en) * 2008-06-25 2010-01-01 Univ Nat Chiao Tung Method of detecting moving object
TW201120807A (en) * 2009-12-10 2011-06-16 Ind Tech Res Inst Apparatus and method for moving object detection
TW201539378A (zh) * 2014-04-01 2015-10-16 Altek Autotronics Corp 物件偵測系統
TW201742002A (zh) * 2016-05-31 2017-12-01 和碩聯合科技股份有限公司 移動物偵測方法

Also Published As

Publication number Publication date
TW201947532A (zh) 2019-12-16

Similar Documents

Publication Publication Date Title
WO2014155979A1 (ja) 追尾処理装置及びこれを備えた追尾処理システム並びに追尾処理方法
WO2017080399A1 (zh) 一种人脸位置跟踪方法、装置和电子设备
US10941019B2 (en) User detection system and image processing device
WO2018228410A1 (zh) 一种目标对象抓拍方法、装置及视频监控设备
JP6655878B2 (ja) 画像認識方法及び装置、プログラム
WO2020094091A1 (zh) 一种图像抓拍方法、监控相机及监控系统
WO2020094088A1 (zh) 一种图像抓拍方法、监控相机及监控系统
JP6555906B2 (ja) 情報処理装置、情報処理方法、およびプログラム
KR102006763B1 (ko) Cctv 영상을 이용한 도로 혼잡도 분석 방법 및 시스템
JP2010198566A (ja) 人数計測装置、方法及びプログラム
JPWO2014155958A1 (ja) 対象物監視システム、対象物監視方法および監視対象抽出プログラム
JP5271227B2 (ja) 群衆監視装置および方法ならびにプログラム
Ahmad et al. A deep neural network approach for top view people detection and counting
TWI514327B (zh) 目標偵測與追蹤方法及系統
WO2020114116A1 (zh) 一种基于密集人群的行人检测方法、存储介质及处理器
CN210072642U (zh) 基于视频监控的人群异常行为检测系统
TW201506808A (zh) 人型影像追蹤系統及其人型影像偵測方法與追蹤方法
KR20150051630A (ko) 사람들의 움직임 불규칙성을 이용한 폭력 행위 검출 장치 및 방법
Carletti et al. An efficient and effective method for people detection from top-view depth cameras
JPWO2008035411A1 (ja) 移動体情報検出装置、移動体情報検出方法および移動体情報検出プログラム
KR102244878B1 (ko) 인공지능 기반의 cctv 보안 시스템 및 보안 방법
KR101214858B1 (ko) 클러스터링 기법을 이용한 이동물체 검출장치 및 방법
Dong et al. Traffic abnormality detection through directional motion behavior map
TWI676152B (zh) 移動物體偵測方法
Ilao et al. Crowd estimation using region-specific HOG With SVM