TWI718981B - 跨感測器之物體屬性分析方法與系統 - Google Patents

跨感測器之物體屬性分析方法與系統 Download PDF

Info

Publication number
TWI718981B
TWI718981B TW109127117A TW109127117A TWI718981B TW I718981 B TWI718981 B TW I718981B TW 109127117 A TW109127117 A TW 109127117A TW 109127117 A TW109127117 A TW 109127117A TW I718981 B TWI718981 B TW I718981B
Authority
TW
Taiwan
Prior art keywords
information processing
attribute
attribute vector
processing device
original data
Prior art date
Application number
TW109127117A
Other languages
English (en)
Other versions
TW202207226A (zh
Inventor
陳功瀚
謝朋諺
王建凱
陳雲濤
Original Assignee
威聯通科技股份有限公司
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 威聯通科技股份有限公司 filed Critical 威聯通科技股份有限公司
Priority to TW109127117A priority Critical patent/TWI718981B/zh
Priority to US17/133,868 priority patent/US11367203B2/en
Application granted granted Critical
Publication of TWI718981B publication Critical patent/TWI718981B/zh
Priority to CN202110912158.6A priority patent/CN114266804A/zh
Publication of TW202207226A publication Critical patent/TW202207226A/zh

Links

Images

Classifications

    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30112—Baggage; Luggage; Suitcase
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

一種跨感測器之物體屬性分析方法，係應用在設置有多個影像感測器之一空間中以使該些影像感測器協同偵測至少一標的物，該方法包含：該些影像感測器將其感測到之多幀影像之原始資料或屬性向量資料傳送給一主資訊處理裝置，其中該原始資料及各該屬性向量均與一時間紀錄對應；以及該主資訊處理裝置依各幀影像之該原始資料產生至少一該屬性向量，並依各該屬性向量各對應一該標的物；或依該些資訊處理單元所提供之所述至少一屬性向量對應所述至少一標的物。

Description

跨感測器之物體屬性分析方法與系統
本發明係關於偵測在一空間內的物體的屬性的方法，尤指一種利用跨感測器的協同偵測技術賦予一空間中之物體一屬性的方法。
一般的大樓或賣場會在內部空間的角落處設置攝影機，並在一監控室裡設置複數個螢幕供一保全人員監視大樓或賣場的內部空間，俾以在內部空間發生異常狀態時能夠及時處理。
然而，一般設置在大樓或賣場內部的攝影機都只是分別在一對應的螢幕上顯示其拍攝到的畫面或顯示其拍攝到的畫面的分析結果，而未有協同處理的功能。因此，對負責監視的保全人員而言，在須同時監看多個畫面的情況下，不僅很難長時間保持專注，也不容易發現異常的事件或可疑的人員。
因此，本領域亟需一種新穎的空間物體屬性偵測方法。
本發明之一目的在於提供一種跨感測器之物體屬性分析方法，其可藉由複數個影像感測器的影像以局部重疊的方式覆蓋一空間，並利用一邊緣運算架構依至少一AI模組對在同一時點所獲得之該些影像進行運算以確定該空間內之至少一標的物的身分。
本發明之另一目的在於提供一種跨感測器之物體屬性分析方法，其可在不同屬性向量的差異值小於一預設值時判斷該些屬性向量對應至同一標的物。
本發明之另一目的在於提供一種跨感測器之物體屬性分析方法，其可藉由複數個影像感測器在一空間內的配置位置及本發明所提出的屬性向量與標的物的對應方式快速地辨識出一標的物並追蹤其軌跡。
本發明之又一目的在於提供一種跨感測器之物體屬性分析方法，其可依一標的物在一空間內的活動紀錄進行分析以輔助業主進行商業決策。
為達成上述目的，一種跨感測器之物體屬性分析方法乃被提出，其係應用在設置有多個影像感測器之一空間中以使該些影像感測器協同偵測至少一標的物，且其係利用一邊緣運算架構實現，該邊緣運算架構包括一主資訊處理裝置及對應設置在該些影像感測器中之多個資訊處理單元，該方法包含：
該些資訊處理單元將該些影像感測器感測到之多幀影像之原始資料或該原始資料經一推論程序處理所產生之至少一屬性向量傳送給該主資訊處理裝置，以在該主資訊處理裝置中依各該屬性向量對應各該標的物，其中，各該影像感測器各具有一影像平面，該原始資料及各該屬性向量均與一時間紀錄對應，該推論程序包括：對該原始資料進行一標的物辨識程序以界定出至少一該標的物的邊界框；及利用一第一AI模組對各該邊界框進行一屬性評估計算以定出於一時點出現在一該幀影像中之至少一該標的物的至少一該屬性向量；以及
該主資訊處理裝置對該些資訊處理單元所提供之該些幀影像之該原始資料各進行該推論程序以產生至少一該屬性向量，並依各該屬性向量各對應一該標的物；或依該些資訊處理單元所提供之所述至少一屬性向量對應所述至少一標的物。
在一實施例中，該些資訊處理單元具有至少一硬體加速單元。
在一實施例中，該主資訊處理裝置係依一第二AI模組判定一該屬性向量之一對應身分。
在一實施例中，該主資訊處理裝置係依一該對應身分比對在多個時點下之與各該影像感測器對應之各該屬性向量以找出一該標的物在該空間之一軌跡。
在一實施例中，該屬性向量包含一該標的物在該空間之一落點資訊。
為達上述目的，本發明進一步提出一種跨感測器之物體屬性分析系統，其具有一邊緣運算架構以實現一跨感測器之物體屬性分析方法，該邊緣運算架構包括一主資訊處理裝置及對應設置在該些影像感測器中之多個資訊處理單元，該方法包含：
該些資訊處理單元將該些影像感測器感測到之多幀影像之原始資料或該原始資料經一推論程序處理所產生之至少一屬性向量傳送給該主資訊處理裝置，以在該主資訊處理裝置中依各該屬性向量對應各該標的物，其中，各該影像感測器各具有一影像平面，該原始資料及各該屬性向量均與一時間紀錄對應，該推論程序包括：對該原始資料進行一標的物辨識程序以界定出至少一該標的物的邊界框；及利用一第一AI模組對各該邊界框進行一屬性評估計算以定出於一時點出現在一該幀影像中之至少一該標的物的至少一該屬性向量；以及
該主資訊處理裝置對該些資訊處理單元所提供之該些幀影像之該原始資料各進行該推論程序以產生至少一該屬性向量，並依各該屬性向量各對應一該標的物；或依該些資訊處理單元所提供之所述至少一屬性向量對應所述至少一標的物。
在一實施例中，該些資訊處理單元具有至少一硬體加速單元。
在一實施例中，該主資訊處理裝置係依一第二AI模組判定一該屬性向量之一對應身分。
在一實施例中，該主資訊處理裝置係依一該對應身分比對在多個時點下之與各該影像感測器對應之各該屬性向量以找出一該標的物在該空間之一軌跡。
在一實施例中，該屬性向量包含一該標的物在該空間之一落點資訊。
在一實施例中，該主資訊處理裝置係一雲端伺服器或一本地伺服器或一電腦裝置。
在一實施例中，該些影像感測器係以有線或無線的方式與該主資訊處理裝置通信。
為使  貴審查委員能進一步瞭解本發明之結構、特徵、目的、與其優點，茲附以圖式及較佳具體實施例之詳細說明如後。
本發明的原理在於：
(1)在一空間內設置複數個影像感測器，並使各該影像感測器的影像平面各對應到代表該空間之一參考平面上之一局部區域，且較佳地使任兩相鄰的該局部區域有部分重疊；
(2)利用一邊緣運算架構對該些影像平面的原始資料進行一物件邊框界定程序及一辨識程序以產生至少一屬性向量，其中該辨識程序係利用一第一AI模組對一物件邊框進行運算，且一所述屬性向量可對應至一單一屬性標的物或一複合屬性標的物，例如：一未攜帶背包的男性或一攜帶背包的男性；以及
(3)使各所述屬性向量均與一時間紀錄對應，俾以藉由一第二AI模組對在同一時點下所獲得之與該些影像感測器對應的複數個所述屬性向量進行一聯合確認程序以確認至少一標的物的身分。
依此，本發明即可快速地對該空間內的標的物進行身分界定並可追蹤其軌跡，從而可依其在該空間內的活動紀錄進行分析以輔助業主進行商業決策。
請一併參照圖1至圖5，其中，圖1繪示本發明之跨感測器之物體屬性分析方法之一實施例的流程圖；圖2為應用圖1之方法之一系統之示意圖，其中，該系統具有一邊緣運算架構，且該邊緣運算架構包括一主資訊處理裝置及設置在一空間內之複數個影像感測器中之資訊處理單元以使該些影像感測器協同偵測至少一標的物；圖3為圖2所示之一影像感測器在一時點偵測到一背包男子之一屬性向量之示意圖；圖4為圖2所示之另一影像感測器在與圖3之影像感測器同一時點偵測到該背包男子之另一屬性向量之示意圖；以及圖5為兩個影像感測器於兩個時點在各影像平面所偵測到的屬性向量示意圖。
如圖1所示，該方法包含以下步驟：在一空間內設置一邊緣運算架構，該邊緣運算架構包括一主資訊處理裝置及設置在該空間內之複數個影像感測器中之資訊處理單元，俾以使該些影像感測器協同偵測至少一標的物(步驟a)；該些資訊處理單元將該些影像感測器感測到之多幀影像之原始資料或該原始資料經一推論程序處理所產生之至少一屬性向量傳送給該主資訊處理裝置，以在該主資訊處理裝置中依各該屬性向量對應各該標的物，其中，各該影像感測器各具有一影像平面，該原始資料及各該屬性向量均與一時間紀錄對應，該推論程序包括：對該原始資料進行一標的物辨識程序以界定出至少一該標的物的邊界框；及利用一第一AI模組對各該邊界框進行一屬性評估計算以定出於一時點出現在一該幀影像中之至少一該標的物的至少一該屬性向量(步驟b)；以及該主資訊處理裝置對該些資訊處理單元所提供之該些幀影像之該原始資料各進行該推論程序以產生至少一該屬性向量，並依各該屬性向量各對應一該標的物；或依該些資訊處理單元所提供之所述至少一屬性向量對應所述至少一標的物(步驟c)。
在步驟a中，該些資訊處理單元可具有至少一硬體加速單元，且所述標的物可為人、動物、植物或物品。
在步驟b中，該第一AI模組係利用預先準備的(邊框形狀，屬性向量值)資料庫進行深度學習或訓練而得，且該屬性向量可包含一該標的物在該空間之一落點資訊。
在步驟c中，該主資訊處理裝置係依一第二AI模組判定一該屬性向量之一對應身分，且該第二AI模組係利用預先準備的(屬性向量值，對應身分)資料庫進行深度學習或訓練而得。
另外，該主資訊處理裝置係依一該對應身分比對在多個時點下之與各該影像感測器對應之各該屬性向量以找出一該標的物在該空間之一軌跡。
如圖2所示，本發明的系統具有一邊緣運算架構100，其包括一主資訊處理裝置110及設置在一空間內之複數個影像感測器120，其中，主資訊處理裝置110可為一雲端伺服器或一本地伺服器或一電腦裝置，各影像感測器120均具有一資訊處理單元120a，且各資訊處理單元120a均透過一有線或無線網路與主資訊處理裝置110通信，俾以執行前述的方法以使該些影像感測器協同偵測至少一標的物。
亦即，於操作時，邊緣運算架構100會執行以下步驟：
(一) 該些資訊處理單元120a將該些影像感測器120感測到之多幀影像之原始資料或該原始資料經前述之推論程序處理所產生之至少一屬性向量傳送給主資訊處理裝置110，以在主資訊處理裝置110中依各該屬性向量對應各該標的物，其中，各影像感測器120各具有一影像平面，該原始資料及各該屬性向量均與一時間紀錄對應，且該推論程序包括：對該原始資料進行一標的物辨識程序以界定出至少一該標的物的邊界框；及利用一第一AI模組對各該邊界框進行一屬性評估計算以定出於一時點出現在一該幀影像中之至少一該標的物的至少一該屬性向量；
(二)主資訊處理裝置110對該些資訊處理單元120a所提供之該些幀影像之該原始資料各進行該推論程序以產生至少一該屬性向量，並依各該屬性向量各對應一該標的物；或依該些資訊處理單元120a所提供之所述至少一屬性向量對應所述至少一標的物；
(三)主資訊處理裝置110依一第二AI模組判定一屬性向量之一對應標的物的身分；以及
(四) 主資訊處理裝置110依該身分比對在多個時點下之與各該影像感測器對應之各該屬性向量以找出一該標的物在該空間之一軌跡。
在一實際的應用例中，如圖3所示，一影像感測器120在一時點偵測到之一背包男子具有一屬性向量[0.3, 0.7, 0.2]，其中前兩個元素(0.3, 0.7)為利用該第一AI模組對該背包男子的身體正面的邊框形狀進行運算而得，而第三個元素0.2為利用該第一AI模組對該背包的背帶的邊框形狀進行運算而得；以及，如圖4所示，另一影像感測器120在同一時點偵測到之該背包男子具有另一屬性向量[0.35, 0.8, 0.8]，其中前兩個元素(0.35, 0.8)為利用該第一AI模組對該背包男子的側身的邊框形狀進行運算而得，而第三個元素0.8為利用該第一AI模組對該背包的側邊的邊框形狀進行運算而得。該背包男子在同一時點由兩個影像感測器120所獲得之兩個屬性向量[0.3, 0.7, 0.2]、[0.35, 0.8, 0.8]在經該第二AI模組運算後會被判定為對應至同一身分。
在另一實際的應用例中，如圖5所示，在時點t=0處，一第一個影像感測器120在其影像平面所偵測到的一第一標的物的屬性向量為[0.1, 0.3]，而一第二個影像感測器120在其影像平面所偵測到的一第二及第三標的物的屬性向量分別為[0.2, 0.41]及[0.6, 0.7]；而在時點t=1處，該第一個影像感測器120在其影像平面所偵測到的一第四標的物的屬性向量為[0.11, 0.3]，而該第二個影像感測器120在其影像平面所偵測到的一第五及第六標的物的屬性向量分別為[0.22, 0.43]及[0.6, 0.75]。同樣地，該第一標的物的屬性向量[0.1, 0.3]和該第四標的物的屬性向量[0.11, 0.3]在經該第二AI模組運算後會被判定為對應至同一身分；該第二標的物的屬性向量[0.2, 0.41]和該第五標的物的屬性向量[0.22, 0.43]在經該第二AI模組運算後會被判定為對應至同一身分；且該第三標的物的屬性向量[0.6, 0.7]和該第六標的物的屬性向量[0.6, 0.75]在經該第二AI模組運算後會被判定為對應至同一身分。依此，本發明即可快速地對該空間內的標的物進行身分界定並可追蹤其軌跡，從而可依其在該空間內的活動紀錄進行分析以輔助業主進行商業決策。
由上述的說明可知本發明具有下列優點：
(1)本發明的跨感測器之物體屬性分析方法可藉由複數個影像感測器的影像以局部重疊的方式覆蓋一空間，並利用一邊緣運算架構依至少一AI模組對在同一時點所獲得之該些影像進行運算以確定該空間內之至少一標的物的身分。
(2)本發明的跨感測器之物體屬性分析方法可在不同屬性向量的差異值小於一預設值時判斷該些屬性向量對應至同一標的物。
(3)本發明的跨感測器之物體屬性分析方法可藉由複數個影像感測器在一空間內的配置位置及本發明所提出的屬性向量與標的物的對應方式快速地辨識出一標的物並追蹤其軌跡。
(4)本發明的跨感測器之物體屬性分析方法可依一標的物在一空間內的活動紀錄進行分析以輔助業主進行商業決策。
必須加以強調的是，前述本案所揭示者乃為較佳實施例，舉凡局部之變更或修飾而源於本案之技術思想而為熟習該項技藝之人所易於推知者，俱不脫本案之專利權範疇。
綜上所陳，本案無論目的、手段與功效，皆顯示其迥異於習知技術，且其首先發明合於實用，確實符合發明之專利要件，懇請  貴審查委員明察，並早日賜予專利俾嘉惠社會，是為至禱。
步驟a:在一空間內設置一邊緣運算架構，該邊緣運算架構包括一主資訊處理裝置及設置在該空間內之複數個影像感測器中之資訊處理單元，俾以使該些影像感測器協同偵測至少一標的物
步驟b:該些資訊處理單元將該些影像感測器感測到之多幀影像之原始資料或該原始資料經一推論程序處理所產生之至少一屬性向量傳送給該主資訊處理裝置，以在該主資訊處理裝置中依各該屬性向量對應各該標的物，其中，各該影像感測器各具有一影像平面，該原始資料及各該屬性向量均與一時間紀錄對應，該推論程序包括：對該原始資料進行一標的物辨識程序以界定出至少一該標的物的邊界框；及利用一第一AI模組對各該邊界框進行一屬性評估計算以定出於一時點出現在一該幀影像中之至少一該標的物的至少一該屬性向量
步驟c:該主資訊處理裝置對該些資訊處理單元所提供之該些幀影像之該原始資料各進行該推論程序以產生至少一該屬性向量，並依各該屬性向量各對應一該標的物；或依該些資訊處理單元所提供之所述至少一屬性向量對應所述至少一標的物
100:邊緣運算架構
110:主資訊處理裝置
120:影像感測器
120a:資訊處理單元
圖1繪示本發明之跨感測器之物體屬性分析方法之一實施例的流程圖； 圖2為應用圖1之方法之一系統之示意圖，其中，該系統具有一邊緣運算架構，且該邊緣運算架構包括一主資訊處理裝置及設置在一空間內之複數個影像感測器中之資訊處理單元以使該些影像感測器協同偵測至少一標的物； 圖3為圖2所示之一影像感測器在一時點偵測到一背包男子之一屬性向量之示意圖；以及 圖4為圖2所示之另一影像感測器在與圖3之影像感測器同一時點偵測到該背包男子之另一屬性向量之示意圖。 圖5為兩個影像感測器於兩個時點在各影像平面所偵測到的屬性向量示意圖。
步驟a:在一空間內設置一邊緣運算架構，該邊緣運算架構包括一主資訊處理裝置及設置在該空間內之複數個影像感測器中之資訊處理單元，俾以使該些影像感測器協同偵測至少一標的物
步驟b:該些資訊處理單元將該些影像感測器感測到之多幀影像之原始資料或該原始資料經一推論程序處理所產生之至少一屬性向量傳送給該主資訊處理裝置，以在該主資訊處理裝置中依各該屬性向量對應各該標的物，其中，各該影像感測器各具有一影像平面，該原始資料及各該屬性向量均與一時間紀錄對應，該推論程序包括：對該原始資料進行一標的物辨識程序以界定出至少一該標的物的邊界框；及利用一第一AI模組對各該邊界框進行一屬性評估計算以定出於一時點出現在一該幀影像中之至少一該標的物的至少一該屬性向量
步驟c:該主資訊處理裝置對該些資訊處理單元所提供之該些幀影像之該原始資料各進行該推論程序以產生至少一該屬性向量，並依各該屬性向量各對應一該標的物；或依該些資訊處理單元所提供之所述至少一屬性向量對應所述至少一標的物

Claims (12)

  1. 一種跨感測器之物體屬性分析方法， 係應用在設置有多個影像感測器之一空間中以使該些影像感測器協同偵測至少一標的物，且其係利用一邊緣運算架構實現，該邊緣運算架構包括一主資訊處理裝置及對應設置在該些影像感測器中之多個資訊處理單元，該方法包含： 該些資訊處理單元將該些影像感測器感測到之多幀影像之原始資料或該原始資料經一推論程序處理所產生之至少一屬性向量傳送給該主資訊處理裝置，以在該主資訊處理裝置中依各該屬性向量對應各該標的物，其中，各該影像感測器各具有一影像平面，該原始資料及各該屬性向量均與一時間紀錄對應，該推論程序包括：對該原始資料進行一標的物辨識程序以界定出至少一該標的物的邊界框；及利用一第一AI模組對各該邊界框進行一屬性評估計算以定出於一時點出現在一該幀影像中之至少一該標的物的至少一該屬性向量；以及 該主資訊處理裝置對該些資訊處理單元所提供之該些幀影像之該原始資料各進行該推論程序以產生至少一該屬性向量，並依各該屬性向量各對應一該標的物；或依該些資訊處理單元所提供之所述至少一屬性向量對應所述至少一標的物。
  2. 如申請專利範圍第1項所述之跨感測器之物體屬性分析方法，其中，該些資訊處理單元具有至少一硬體加速單元。
  3. 如申請專利範圍第1項所述之跨感測器之物體屬性分析方法，其中，該主資訊處理裝置係依一第二AI模組判定一該屬性向量之一對應身分。
  4. 如申請專利範圍第3項所述之跨感測器之物體屬性分析方法，其中，該主資訊處理裝置係依一該對應身分比對在多個時點下之與各該影像感測器對應之各該屬性向量以找出一該標的物在該空間之一軌跡。
  5. 如申請專利範圍第1項所述之跨感測器之物體屬性分析方法，其中，該屬性向量包含一該標的物在該空間之一落點資訊。
  6. 一種跨感測器之物體屬性分析系統，具有一邊緣運算架構以實現一跨感測器之物體屬性分析方法以使多個影像感測器協同偵測至少一標的物，該邊緣運算架構包括一主資訊處理裝置及對應設置在該些影像感測器中之多個資訊處理單元，該方法包含：該些資訊處理單元將該些影像感測器感測到之多幀影像之原始資料或該原始資料經一推論程序處理所產生之至少一屬性向量傳送給該主資訊處理裝置，以在該主資訊處理裝置中依各該屬性向量對應各該標的物，其中，各該影像感測器各具有一影像平面，該原始資料及各該屬性向量均與一時間紀錄對應，該推論程序包括：對該原始資料進行一標的物辨識程序以界定出至少一該標的物的邊界框；及利用一第一AI模組對各該邊界框進行一屬性評估計算以定出於一時點出現在一該幀影像中之至少一該標的物的至少一該屬性向量；以及該主資訊處理裝置對該些資訊處理單元所提供之該些幀影像之該原始資料各進行該推論程序以產生至少一該屬性向量，並依各該屬性向量各對應一該標的物；或依該些資訊處理單元所提供之所述至少一屬性向量對應所述至少一標的物。
  7. 如申請專利範圍第6項所述之跨感測器之物體屬性分析系統，其中，該些資訊處理單元具有至少一硬體加速單元。
  8. 如申請專利範圍第6項所述之跨感測器之物體屬性分析系統，其中，該主資訊處理裝置係依一第二AI模組判定一該屬性向量之一對應身分。
  9. 如申請專利範圍第8項所述之跨感測器之物體屬性分析方法，其中，該主資訊處理裝置係依一該對應身分比對在多個時點下之與各該影像感測器對應之各該屬性向量以找出一該標的物在該空間之一軌跡。
  10. 如申請專利範圍第6項所述之跨感測器之物體屬性分析方法，其中，該屬性向量包含一該標的物在該空間之一落點資訊。
  11. 如申請專利範圍第6至10項中任一項所述之跨感測器之物體屬性分析系統，其中，該主資訊處理裝置係由一雲端伺服器、一本地伺服器和一電腦裝置所組成群組所選擇的一種裝置。
  12. 如申請專利範圍第11項所述之跨感測器之物體屬性分析系統，其中，該些影像感測器係以有線或無線的方式與該主資訊處理裝置通信。
TW109127117A 2020-08-10 2020-08-10 跨感測器之物體屬性分析方法與系統 TWI718981B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW109127117A TWI718981B (zh) 2020-08-10 2020-08-10 跨感測器之物體屬性分析方法與系統
US17/133,868 US11367203B2 (en) 2020-08-10 2020-12-24 Cross-sensor object-attribute analysis method and system
CN202110912158.6A CN114266804A (zh) 2020-08-10 2021-08-10 跨感测器的物体属性分析方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109127117A TWI718981B (zh) 2020-08-10 2020-08-10 跨感測器之物體屬性分析方法與系統

Publications (2)

Publication Number Publication Date
TWI718981B true TWI718981B (zh) 2021-02-11
TW202207226A TW202207226A (zh) 2022-02-16

Family

ID=75745855

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109127117A TWI718981B (zh) 2020-08-10 2020-08-10 跨感測器之物體屬性分析方法與系統

Country Status (3)

Country Link
US (1) US11367203B2 (zh)
CN (1) CN114266804A (zh)
TW (1) TWI718981B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI813072B (zh) * 2021-11-17 2023-08-21 瑞昱半導體股份有限公司 用於物件追蹤的電子裝置及方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117237418B (zh) * 2023-11-15 2024-01-23 成都航空职业技术学院 一种基于深度学习的运动目标检测方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9082202B2 (en) * 2012-09-12 2015-07-14 Enlighted, Inc. Image detection and processing for building control
TWI589158B (zh) * 2016-06-07 2017-06-21 威聯通科技股份有限公司 監控資料的原始畫面儲存系統及其儲存方法
US20190394230A1 (en) * 2019-07-30 2019-12-26 Lg Electronics Inc. Security method for vehicle network, firewall for the same, and computer-readable recording medium recording the same
US20200200509A1 (en) * 2018-12-06 2020-06-25 Modular High-End Ltd. Joint Firearm Training Systems and Methods

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2531876C2 (ru) * 2012-05-15 2014-10-27 Общество с ограниченной ответственностью "Синезис" Способ индексирования видеоданных при помощи карты
US11276179B2 (en) * 2019-12-18 2022-03-15 Zoox, Inc. Prediction on top-down scenes based on object motion

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9082202B2 (en) * 2012-09-12 2015-07-14 Enlighted, Inc. Image detection and processing for building control
US9367925B2 (en) * 2012-09-12 2016-06-14 Enlighted, Inc. Image detection and processing for building control
TWI589158B (zh) * 2016-06-07 2017-06-21 威聯通科技股份有限公司 監控資料的原始畫面儲存系統及其儲存方法
US20200200509A1 (en) * 2018-12-06 2020-06-25 Modular High-End Ltd. Joint Firearm Training Systems and Methods
US20190394230A1 (en) * 2019-07-30 2019-12-26 Lg Electronics Inc. Security method for vehicle network, firewall for the same, and computer-readable recording medium recording the same

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI813072B (zh) * 2021-11-17 2023-08-21 瑞昱半導體股份有限公司 用於物件追蹤的電子裝置及方法

Also Published As

Publication number Publication date
US11367203B2 (en) 2022-06-21
US20220044426A1 (en) 2022-02-10
TW202207226A (zh) 2022-02-16
CN114266804A (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
Fang et al. Falls from heights: A computer vision-based approach for safety harness detection
WO2019144690A1 (zh) 基于影像监测的货品感知系统及货品感知方法
TWI718981B (zh) 跨感測器之物體屬性分析方法與系統
CN102521578B (zh) 一种入侵检测和识别方法
US8694443B2 (en) System and method for automatically distinguishing between customers and in-store employees
US20100124357A1 (en) System and method for model based people counting
Mekruksavanich et al. Automatic Recognition of Construction Worker Activities Using Deep Learning Approaches and Wearable Inertial Sensors.
Sokolova et al. A fuzzy model for human fall detection in infrared video
RU2713876C1 (ru) Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания
CN109558785A (zh) 安防监控系统及应用其的无人便利店
US20240320973A1 (en) Item monitoring for doorbell cameras
JPWO2020195376A1 (ja) 監視装置、不審オブジェクト検出方法、およびプログラム
CN112434545A (zh) 一种智能场所管理方法及系统
CN101316371A (zh) 火焰侦测方法及装置
JP6593949B1 (ja) 情報処理装置、及び、マーケティング活動支援装置
US20210271217A1 (en) Using Real Time Data For Facilities Control Systems
CN109977806A (zh) 实现idc机房进出人员精细化管理的系统及其方法
US20100157051A1 (en) System and method for detecting and deterring rfid tag related fraud
CN108647600B (zh) 人脸识别方法、设备及计算机可读存储介质
CN112926364A (zh) 头部姿态的识别方法及系统、行车记录仪和智能座舱
JP2020095651A (ja) 生産性評価システム、生産性評価装置、生産性評価方法、及びプログラム
Chatisa et al. Object Detection and Monitor System for Building Security Based on Internet of Things (IoT) Using Illumination Invariant Face Recognition
TWI743933B (zh) 跨感測器之空間定位與身分辨識之方法及系統
Ankad et al. Object Size Measurement from CCTV footage using deep learning
Jyothsna et al. Facemask detection using Deep Learning