TWI695326B - 物件屬性分析方法及其相關物件屬性分析裝置 - Google Patents

物件屬性分析方法及其相關物件屬性分析裝置 Download PDF

Info

Publication number
TWI695326B
TWI695326B TW107127329A TW107127329A TWI695326B TW I695326 B TWI695326 B TW I695326B TW 107127329 A TW107127329 A TW 107127329A TW 107127329 A TW107127329 A TW 107127329A TW I695326 B TWI695326 B TW I695326B
Authority
TW
Taiwan
Prior art keywords
attribute
weight
analysis method
predicted value
attribute analysis
Prior art date
Application number
TW107127329A
Other languages
English (en)
Other versions
TW202008215A (zh
Inventor
林冠宇
吳俊毅
陳聖元
Original Assignee
晶睿通訊股份有限公司
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 晶睿通訊股份有限公司 filed Critical 晶睿通訊股份有限公司
Priority to TW107127329A priority Critical patent/TWI695326B/zh
Priority to US16/525,509 priority patent/US10977482B2/en
Publication of TW202008215A publication Critical patent/TW202008215A/zh
Application granted granted Critical
Publication of TWI695326B publication Critical patent/TWI695326B/zh

Links

Images

Classifications

    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
    • 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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

一種物件屬性分析方法，應用於物件屬性分析裝置，其包含有將複數張連續畫面區分為一當前畫面及多張先前畫面，使用人臉偵測技術追蹤並計算一物件在該當前畫面的一第一屬性預測值，使用該人臉偵測技術取得該物件在該當前畫面之一特徵參數以對應設定一第一權重，取得該物件在該多張先前畫面的一第二屬性預測值，依據該第一權重設定一第二權重，以及依據該第一權重和該第二權重分別加權該第一屬性預測值與該第二屬性預測值，並產生該物件於該複數張連續畫面之一第一歸納屬性預測值。

Description

物件屬性分析方法及其相關物件屬性分析裝置
本發明係提供一種物件屬性分析方法及其相關物件屬性分析裝置，尤指一種參考先前分析資訊以提高精確度的物件屬性分析方法及其相關物件屬性分析裝置。
請參閱第1圖，第1圖為傳統監控攝影機輸出之連續畫面內物件屬性預測值變化之示意圖。隨著科技的進步，傳統的監控攝影機大都具有影像分析功能，可以從單張影像解析出指定物件的特定屬性。人與汽車就是監控影像中常出現的物件，特定屬性一般是物件在短時間內不易變動的特質，例如人的性別、年齡、膚色、髮色或身高，或是汽車的車型、顏色或廠牌。以行人為例，行人途經攝影機的監控範圍時，攝影機會產生具有行人圖案的複數張連續畫面Is。行人在走路過程可能會改變其相對攝影機的角度、可能改變其相對攝影機的距離、或可能路上障礙物遮蔽部份身影，導致多張畫面對同一物件的屬性預測值有極大變動，此時傳統監控攝影機輸出的屬性預測值會不斷跳動。曲線C1是連續畫面Is的屬性預測值變化，預測值在不同畫面間會上下起伏，低於屬性預測值P的屬性預測結果被視為男性，高於屬性預測值P的屬性預測結果被視為女性。雖然複數張連續畫面Is裡所追蹤的物件都是同一個行人，但預測功能分析各張畫面可能判別出不同的屬性，例如從某幾張畫面判斷行人為男性、根據另幾 張畫面卻判斷行人為女性，造成使用者進行屬性辨識時的困擾與不便。故如何設計一種能有效提高物件屬性預測精確度的辨識技術，即為相關監控產業的發展目標之一。
本發明係提供一種參考先前分析資訊以提高精確度的物件屬性分析方法及其相關物件屬性分析裝置，以解決上述之問題。
本發明之申請專利範圍係揭露一種物件屬性分析方法，包含有將複數張連續畫面區分為一當前畫面及多張先前畫面，使用人臉偵測技術追蹤並計算一物件在該當前畫面的一第一屬性預測值，使用該人臉偵測技術取得該物件在該當前畫面之一特徵參數以對應設定一第一權重，取得該物件在該多張先前畫面的一第二屬性預測值，依據該第一權重設定一第二權重，以及依據該第一權重和該第二權重分別加權該第一屬性預測值與該第二屬性預測值，並產生該物件於該複數張連續畫面之一第一歸納屬性預測值。
本發明之申請專利範圍另揭露一種物件屬性分析裝置，包含有一接收器以及一處理器。該接收器用來接收複數張連續畫面。該處理器電連接於該接收器，用來將複數張連續畫面區分為一當前畫面及多張先前畫面，使用人臉偵測技術追蹤並計算一物件在該當前畫面的一第一屬性預測值，使用該人臉偵測技術取得該物件在該當前畫面之一特徵參數以對應設定一第一權重，取得該物件在該多張先前畫面的一第二屬性預測值，依據該第一權重設定一第二權重，以及依據該第一權重和該第二權重分別加權該第一屬性預測值與該第二屬性預測值，並產生該物件於該複數張連續畫面之一第一歸納屬性預測值。
本發明之物件屬性分析方法及其物件屬性分析裝置使用來自多張畫面的大量屬性預測值做判斷，能得到較準確的屬性預測結果。監控範圍內的物件屬性會隨著時間過去而跳動變化，物件屬性甚至可能會在特定情況下消失，如影像過曝或物件被遮擋等，只根據單張畫面來判斷物件屬性難以獲得精確結果。本發明的物件屬性分析方法係參考先前畫面內與當前/最新畫面中同一物件的相同屬性預測值，可以有效縮小屬性預測結果的變異性；即使當前/最新畫面內的追蹤物件無法偵測或辨別其屬性，也可藉由先前畫面中相同物件的屬性歸納結果持續輸出此物件屬性的預測值。
10:物件屬性分析裝置
12:接收器
14:處理器
Is、Is’:連續畫面
I(1)、I(2)、I(3)、I(t-2)、I(t-1)、I(t)、I(t+1):畫面
A1:某畫面內的物件屬性預測值
W1:某畫面內的屬性權重
A2:後畫面內的物件屬性預測值
W2:後畫面內的屬性權重
A3:再後畫面內的物件屬性預測值
W3:再後畫面內的屬性權重
Ai:歸納屬性預測值
Wi:歸納屬性的權重
Ai’:另一歸納屬性預測值
C1、C2:曲線
P:屬性預測值
S300、S302、S304、S306、S308、S310、S312、S314、S316、S318:步驟
S300-1、S300-2、S300-2’、S300-3:步驟
第1圖為傳統監控攝影機輸出之連續畫面內物件屬性預測值變化之示意圖。
第2圖為本發明實施例之物件屬性分析裝置之功能方塊圖。
第3圖為本發明實施例之物件屬性分析方法之流程圖。
第4圖為本發明實施例之多張畫面隨時間進程分佈之示意圖。
第5圖為本發明實施例之物件屬性分析方法所生成屬性預測結果之示意圖。
第6圖為本發明另一實施例之物件屬性分析方法之流程圖。
請參閱第2圖，第2圖為本發明實施例之物件屬性分析裝置10之功能方塊圖。物件屬性分析裝置10係根據畫面追蹤結果，綜合判斷先前與最新分析資訊，以預測畫面內的物件屬性。物件屬性分析裝置10可為網路硬碟錄影機(Network Video Recorder,NVR)，以有線或無線方式連結攝影機。物件屬性分析 裝置10還可為模組化設備，直接組裝在攝影機內。物件屬性分析裝置10包含接收器12以及處理器14。物件屬性分析裝置10為網路硬碟錄影機時，接收器12接收來自遠端攝影機的複數張連續畫面；物件屬性分析裝置10為攝影機的內建模組時，接收器12接收攝影機之影像擷取模組取得的複數張連續畫面。攝影機具有物件追蹤功能，能通過人臉偵測技術追蹤畫面內的物件。處理器14電連接接收器12，可根據連續畫面的全部或大部分物件追蹤及分析資訊，預測其屬性。本發明所分析及預測的屬性較佳取自於物件之固定特徵。
請參閱第2圖至第5圖，第3圖為本發明實施例之物件屬性分析方法之流程圖，第4圖為本發明實施例之多張畫面隨時間進程分佈之示意圖，第5圖為本發明實施例之物件屬性分析方法所生成屬性預測結果之示意圖。第3圖所述之物件屬性分析方法適用於第1圖所示之物件屬性分析裝置10。為了解決此問題，本發明的物件屬性分析裝置10係綜合判斷所有連續畫面Is’裡的分析資訊，歸納出高精準度的屬性預測結果。關於物件屬性分析方法，首先執行步驟S300與步驟S302，接收器12取得複數張連續畫面Is’，處理器14將連續畫面Is’區分為當前畫面I(t)與先前畫面I(1)~I(t-1)。接著，執行步驟S304與S306，預測功能透過人臉偵測技術追蹤及估算物件在當前畫面I(t)的第一屬性預測值，並取得物件在當前畫面I(t)的特徵參數以設定第一權重。
舉例來說，物件為行人時，第一屬性可以是行人性別，特徵參數可選自物件的模糊程度、或是物件在當前畫面I(t)的尺寸比例、或是物件相對於攝影機的角度、或是物件相對於攝影機的距離、或是前述特徵參數的綜合比較。若人臉偵測技術估算出行人的第一屬性預測值後，但同時又發現行人圖案受環境光干擾較為模糊、或行人臉部在畫面裡的圖案面積太小、或行人轉頭以致側 臉朝向攝影機等因素，人臉偵測技術可根據當前畫面I(t)的特徵參數給予此第一屬性預測值較低的第一權重。反之，如行人圖案清晰、或臉部佔畫面整體比例較高、或行人臉部係正面朝向攝影機，則可設定較高的第一權重。
接著，執行步驟S308與S310，處理器14取得物件在先前畫面I(1)~I(t-1)的第二屬性預測值，並依據第一權重相應設定第二權重。一般來說，第二屬性預測值係為先前畫面I(1)~I(t-1)的最後畫面I(t-1)與較早畫面I(1)~I(t-2)分別配以不同權重運算所得之歸納結果，且第一權重與第二權重之總和為特定值。第一權重會隨著特徵參數之變化相應調整；因第一權重反比於該第二權重，第二權重即為特定值減去第一權重的數值。如特定值為1，第一權重設成0.02時第二權重即為0.98，第一權重設成0.05時第二權重即為0.95。然後，執行步驟S312，依據第一權重與第二權重分別加權第一屬性預測值和第二屬性預測值以產生第一歸納屬性預測值。第一歸納屬性預測值為物件在時間點t的屬性預測結果。其中，第一歸納屬性預測值可為第一屬性預測值與第二屬性預測值以第一權重和第二權重分別加權後數值的總和、或其平均值、或其加權平均值。本發明之歸納屬性預測值的運算變化端視設計需求而定。
接下來，還可執行步驟S314，取得最新畫面I(t+1)、以及估算並取得物件在最新畫面I(t+1)的第三屬性預測值與第三權重。然後，接續執行步驟S316與S318，依據第三權重設定第四權重，依據第三權重和第四權重分別加權第三屬性預測值與第一歸納屬性預測值而生成第二歸納屬性預測值。第二歸納屬性預測值即為物件在時間點(t+1)的屬性預測結果。由此可知，物件屬性分析方法在任一時間點進行屬性預測時，係取得物件在單一時間點的屬性預測值以及先前時間區段內的屬性預測值，分別配以不同權重來取得歸納結果。如此一來， 在最新時間點的畫面及其屬性預測值可對最新屬性預測結果佔有特定影響力；最新時間點之前的所有畫面視為一個群體，以其總歸納屬性影響最新屬性預測結果，不需耗費大量時間逐個分析最新時間點之前的所有畫面，可大幅降低物件屬性分析裝置10的運算效能需求。
以第4圖所示的多張畫面為例，物件屬性分析方法剛啟動時，首先在時間點t=1利用人臉偵測技術取得畫面I(1)的屬性預測值A1。在時間點t=2時，物件屬性分析方法追蹤及預測畫面I(2)的屬性預測值A2，依物件在畫面I(2)的特徵參數設定權重W2，並相應設定權重W1，然後以權重W1與權重W2分別加權屬性預測值A1及屬性預測值A2，產生此時間點的歸納屬性預測值Ai。在時間點t=3時，物件屬性分析方法追蹤及預測畫面I(3)的屬性預測值A3，依物件在畫面I(3)的特徵參數設定權重W3，並相應設定權重Wi，然後以權重W3與權重Wi分別加權屬性預測值A3及歸納屬性預測值Ai，產生此時間點的歸納屬性預測值Ai’。往後各時間點的歸納屬性預測值運算方式依前述流程類推，所有畫面僅區分為當前畫面(或最新畫面)以及先前畫面群，將兩者配以不同權重來取得最新屬性預測結果，如第5圖所示之曲線C2，比較曲線C1及曲線C2後可發現，傳統監控攝影機輸出的屬性預測值在不同畫面間會上下起伏的情況，經由本發明的物件屬性分析方法分析後已可以有效縮小屬性預測結果的變異性，並提高了屬性預測結果的準確率。此實施例中，物件在最新時間點所生成畫面內的屬性預測值，對於最新屬性預測結果有特定影響力，且影響效果視物件在最新時間點畫面內的特徵參數所定之權重來決定。
除此之外，權重也可能因時間變化而調整。如前所述，若最新時間點之前的畫面數量較少，第一權重可設成0.05，第二權重即為0.95，讓最新畫面 的物件屬性預測值能夠較大幅度地影響最新屬性預測結果；若最新時間點之前的畫面數量較多，表示最新屬性預測結果的準確性可能較佳，故將第一權重設成0.02且第二權重定為0.98，避免最新屬性預測結果受到最新畫面內物件屬性預測值的劇烈影響。本發明的權重調整方式不限於前揭實施態樣，也有可能在先前畫面較少時設定較低權重、且在先前畫面較多時設定較高權重，其變化端視實際需求而定，於此不再詳加敘明。
在其它實施例中，另可設定物件在所有時間點畫面內的屬性預測值，對於最新屬性預測結果具有相同的影響力。舉例來說，在時間點t=3時，本實施例的物件屬性分析方法係可以權重W1、權重W2與權重W3分別加權屬性預測值A1、屬性預測值A2及屬性預測值A3，並以其總和作為此時間點的歸納屬性預測值。換句話說，此實施例將可能影響最新屬性預測結果的因素，平均分攤給各時間點畫面內所預測的物件屬性。
特別一提的是，本發明的物件屬性分析方法還可選擇性先行過濾連續畫面Is’，僅保留特徵參數符合需求的畫面進行整體歸納。請參閱第2圖與第6圖，第6圖為本發明另一實施例之物件屬性分析方法之流程圖。第6圖所述之物件屬性分析方法適用於第1圖所示之物件屬性分析裝置10。在步驟S300後，物件屬性分析方法可選擇性插入步驟S300-1，辨識物件在連續畫面Is’內各畫面的特徵參數是否符合門檻。若否，執行步驟S300-2，濾除其特徵參數不符門檻的特定畫面，使其不計入先前畫面，故先前畫面於時間序列上便不會是連續畫面；如果不符門檻的特徵參數來自最新時間點所生成畫面，可將最新時間點生成畫面的權重設為零。若是，執行步驟S300-3，判斷其特徵參數符合門檻的特定畫面屬於先前畫面或最新時間點畫面，可接續執行步驟S302。
舉例來說，步驟S300-1所指的門檻可為預設模糊值，如果某些畫面的模糊程度比預設模糊值還差(意即特徵參數不符合門檻)，表示人臉偵測技術難以在這些畫面取得準確的物件屬性預測值，故將這些畫面直接排除，藉此提高最新屬性預測結果的準確率。如果這些畫面的模糊程度優於預設模糊值，表示人臉偵測技術可在這些畫面取得準確的物件屬性預測值，便會保留這些畫面，有助於進行屬性的追蹤、預測與歸納。本實施例的門檻並不限於模糊值，也可以設計為物件在畫面的尺寸比例、或是物件相對攝影機的角度或距離、或是其它相關條件，端視特徵參數的選擇而定。
另外，若物件屬性分析方法的辨識結果認為物件在特定畫面的特徵參數不符合門檻，可選擇性執行步驟S300-2’，意即不濾除此特定畫面，而是以預設權重加權物件在此特定畫面的屬性預測值，並將其歸屬於先前畫面或最新時間點畫面。在步驟S300-2’中，雖然人臉偵測技術可能難以在此特定畫面取得準確的物件屬性預測值，但不能排除其屬性預測正確的可能，故將其配以略小於或遠小於其它權重(意即第一權重和/或第二權重)的預設權重，降低此特定畫面之物件屬性預測值對於最新屬性預測結果的影響力。物件屬性分析方法較佳係於步驟S300-2與S300-2’兩者中擇一執行，然實際應用當不限於此。
綜上所述，本發明的物件屬性分析方法及其物件屬性分析裝置使用來自多張畫面的大量屬性預測值做判斷，能得到較準確的屬性預測結果。先前技術中，監控範圍內的物件屬性預測值會隨著時間過去而跳動變化，物件屬性甚至可能會在特定情況下消失，如影像過曝或物件被遮擋等，只根據單張畫面來判斷物件屬性難以獲得精確結果。相比於先前技術，本發明的物件屬性分析 方法係參考先前畫面內與當前/最新畫面中同一物件的相同屬性預測值，可以有效縮小屬性預測結果的變異性；即使當前/最新畫面內的追蹤物件無法偵測或辨別其屬性，也可藉由先前畫面中相同物件的屬性歸納結果持續輸出此物件屬性的預測值。
以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。
S300、S302、S304、S306、S308、S310、S312、S314、S316、S318:步驟

Claims (14)

  1. 一種物件屬性分析方法，其包含有：將複數張連續畫面區分為一當前畫面及多張先前畫面；使用人臉偵測技術追蹤並計算一物件在該當前畫面的一第一屬性預測值；使用該人臉偵測技術取得該物件在該當前畫面之一特徵參數以對應設定一第一權重；取得該物件在該多張先前畫面的一第二屬性預測值；依據該第一權重設定一第二權重；以及依據該第一權重和該第二權重分別加權該第一屬性預測值與該第二屬性預測值，並產生該物件於該複數張連續畫面之一第一歸納屬性預測值。
  2. 如請求項1所述之物件屬性分析方法，另包含有：取得發生在該複數張連續畫面之後的一最新畫面；使用該人臉偵測技術追蹤並計算該物件在該最新畫面的一第三屬性預測值；使用該人臉偵測技術取得該物件在該最新畫面之該特徵參數以對應設定一第三權重；依據該第三權重設定一第四權重；以及依據該第三權重和該第四權重分別加權該第三屬性預測值與該第一歸納屬性預測值，並產生該物件之一第二歸納屬性預測值。
  3. 如請求項1所述之物件屬性分析方法，其中該第二屬性預測值係為該多張先前畫面之一最後畫面及多張較早畫面分別配以不同權重運算所得之歸納結果。
  4. 如請求項1所述之物件屬性分析方法，另包含有：從該複數張連續畫面找出該特徵參數不符合一門檻的一特定畫面；以及濾除該特定畫面，使其不計入該多張先前畫面。
  5. 如請求項4所述之物件屬性分析方法，其中該當前畫面的該特徵參數不符合該門檻時，該第一權重設為零。
  6. 如請求項4所述之物件屬性分析方法，其中該多張先前畫面於一時間序列上不是連續畫面。
  7. 如請求項1所述之物件屬性分析方法，另包含有：從該複數張連續畫面找出該特徵參數符合一門檻的一特定畫面；以及判斷該特定畫面歸屬於該多張先前畫面。
  8. 如請求項1所述之物件屬性分析方法，另包含有：從該複數張連續畫面找出該特徵參數不符合一門檻的一特定畫面；以及以一預設權重加權該物件在該特定畫面之一屬性預測值，據此生成該第一歸納屬性預測值。
  9. 如請求項8所述之物件屬性分析方法，其中該預設權重小於該第一權重或該第二權重。
  10. 如請求項1所述之物件屬性分析方法，其中該第一屬性預測值與該 第二屬性預測值取自於該物件之一固定特徵。
  11. 如請求項1所述之物件屬性分析方法，其中該特徵參數選自該物件之一模糊程度、該物件在該當前畫面之一尺寸比例、該物件相對於一攝影機之一角度、與該物件相對於該攝影機之一距離的其中之一或其組合。
  12. 如請求項1所述之物件屬性分析方法，其中該第一權重會隨著該特徵參數之變化相應調整，且該第一權重反比於該第二權重。
  13. 如請求項1所述之物件屬性分析方法，其中該第一歸納屬性預測值係為該第一屬性預測值與該第二屬性預測值以該第一權重和該第二權重分別加權後數值的一總和、或一平均值、或一加權平均值。
  14. 一種物件屬性分析裝置，其包含有：一接收器，用來接收複數張連續畫面；以及一處理器，電連接於該接收器，用來執行如請求項1至13其中之一所述之物件屬性分析方法。
TW107127329A 2018-08-07 2018-08-07 物件屬性分析方法及其相關物件屬性分析裝置 TWI695326B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW107127329A TWI695326B (zh) 2018-08-07 2018-08-07 物件屬性分析方法及其相關物件屬性分析裝置
US16/525,509 US10977482B2 (en) 2018-08-07 2019-07-29 Object attribution analyzing method and related object attribution analyzing device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107127329A TWI695326B (zh) 2018-08-07 2018-08-07 物件屬性分析方法及其相關物件屬性分析裝置

Publications (2)

Publication Number Publication Date
TW202008215A TW202008215A (zh) 2020-02-16
TWI695326B true TWI695326B (zh) 2020-06-01

Family

ID=69406109

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107127329A TWI695326B (zh) 2018-08-07 2018-08-07 物件屬性分析方法及其相關物件屬性分析裝置

Country Status (2)

Country Link
US (1) US10977482B2 (zh)
TW (1) TWI695326B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI798601B (zh) * 2020-11-27 2023-04-11 晶睿通訊股份有限公司 地面起伏偵測方法及其監控攝影機

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6111517A (en) * 1996-12-30 2000-08-29 Visionics Corporation Continuous video monitoring using face recognition for access control
TW201203134A (en) * 2010-03-24 2012-01-16 Ind Tech Res Inst Facial expression capturing method and apparatus therewith
TW201218095A (en) * 2010-10-29 2012-05-01 Altek Corp Object tracking method
US8731249B2 (en) * 2008-12-05 2014-05-20 DigitalOptics Corporation Europe Limited Face recognition using face tracker classifier data
US20140328400A1 (en) * 2012-11-13 2014-11-06 Atul Puri Content adaptive super resolution prediction generation for next generation video coding

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9158970B2 (en) * 2012-11-16 2015-10-13 Canon Kabushiki Kaisha Devices, systems, and methods for visual-attribute refinement
JP6254836B2 (ja) * 2013-11-29 2017-12-27 キヤノン株式会社 画像検索装置、画像検索装置の制御方法およびプログラム
US11010905B2 (en) * 2018-09-07 2021-05-18 Apple Inc. Efficient object detection and tracking
US10846515B2 (en) * 2018-09-07 2020-11-24 Apple Inc. Efficient face detection and tracking

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6111517A (en) * 1996-12-30 2000-08-29 Visionics Corporation Continuous video monitoring using face recognition for access control
US8731249B2 (en) * 2008-12-05 2014-05-20 DigitalOptics Corporation Europe Limited Face recognition using face tracker classifier data
TW201203134A (en) * 2010-03-24 2012-01-16 Ind Tech Res Inst Facial expression capturing method and apparatus therewith
TW201218095A (en) * 2010-10-29 2012-05-01 Altek Corp Object tracking method
US20140328400A1 (en) * 2012-11-13 2014-11-06 Atul Puri Content adaptive super resolution prediction generation for next generation video coding

Also Published As

Publication number Publication date
TW202008215A (zh) 2020-02-16
US10977482B2 (en) 2021-04-13
US20200051284A1 (en) 2020-02-13

Similar Documents

Publication Publication Date Title
US20190333241A1 (en) People flow analysis apparatus, people flow analysis system, people flow analysis method, and non-transitory computer readable medium
JP6549797B2 (ja) 通行人の頭部識別方法及びシステム
JP5121508B2 (ja) 画像処理装置、画像処理方法、プログラム及び記憶媒体
KR101615254B1 (ko) 디지털 이미지들에서 얼굴 표정들을 검출
JP5567853B2 (ja) 画像認識装置および方法
JP6494253B2 (ja) 物体検出装置、物体検出方法、画像認識装置及びコンピュータプログラム
Wasnik et al. Assessing face image quality for smartphone based face recognition system
US10506174B2 (en) Information processing apparatus and method for identifying objects and instructing a capturing apparatus, and storage medium for performing the processes
CN102098531B (zh) 一种检测摄像机被干扰的方法及装置
US7734115B2 (en) Method for filtering image noise using pattern information
JP5459674B2 (ja) 移動物体追跡システムおよび移動物体追跡方法
WO2016114134A1 (ja) 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
CN103905727B (zh) 被摄体区域跟踪设备及其控制方法
JP5271227B2 (ja) 群衆監視装置および方法ならびにプログラム
JP2008501172A (ja) 画像比較方法
CN110264493A (zh) 一种针对运动状态下的多目标对象追踪方法和装置
CN107066963B (zh) 一种自适应人群计数方法
US20220366570A1 (en) Object tracking device and object tracking method
JP2013210845A (ja) 移動物体照合装置
KR101139930B1 (ko) 부분 템플릿 매칭 기반의 객체 식별 장치 및 방법
CN104598914A (zh) 一种肤色检测的方法及装置
CN108460319B (zh) 异常人脸检测方法及装置
TWI695326B (zh) 物件屬性分析方法及其相關物件屬性分析裝置
KR101711328B1 (ko) 영상 촬영 장치를 통하여 획득한 영상 이미지에서 신장 대비 머리 높이의 비를 이용하여 어린이와 성인을 구분하는 방법
JP6798609B2 (ja) 映像解析装置、映像解析方法およびプログラム