TWI756497B - 用於偵測遊蕩事件的方法、設備及系統 - Google Patents
用於偵測遊蕩事件的方法、設備及系統 Download PDFInfo
- Publication number
- TWI756497B TWI756497B TW107142259A TW107142259A TWI756497B TW I756497 B TWI756497 B TW I756497B TW 107142259 A TW107142259 A TW 107142259A TW 107142259 A TW107142259 A TW 107142259A TW I756497 B TWI756497 B TW I756497B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- time stamp
- time
- aoi
- time period
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000007717 exclusion Effects 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 42
- 230000006399 behavior Effects 0.000 description 11
- 238000001914 filtration Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
- Computer Vision & Pattern Recognition (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本發明係關於監視應用。特定而言,本發明係關於用於偵測一遊蕩事件之一方法、設備及系統,在該遊蕩事件中將對具有不同物體ID的彼此先後在一受監測場景內之一所關注區域內花費時間之物體之遊蕩時間進行組合。
Description
本發明係關於監視應用。特定而言,本發明係關於用於偵測一遊蕩事件之一方法、設備及系統。
逐步增強的安全憂慮致使愈來愈多地在房間、建築物、機場、城市等中安裝諸如監控相機等監視構件以達成監視目的。然而,監視所有的實時事件或所擷取視訊是勞力密集型的。儘管已清楚地認識到人工監視此等事件將係最有效且最準確的,但此需要安全部門始終進行關注。長週期保持關注的問題是眾所周知的。因此,自動分析所擷取的監視材料將允許安全部門更有效實施監控任務。
高要求監視任務之一係偵測遊蕩事件。偵測一遊蕩事件極為重要,此乃因遊蕩行為通常涉及到有害活動,諸如毒品交易活動,搶劫現場調查,且亦涉及到青少年在公共區域中消磨時間的不健康社會問題。
用於偵測遊蕩事件的系統及方法通常需要追蹤所關注物體以實施遊蕩偵測。遊蕩事件之偵測準確性高度地取決於追蹤方法的效能。
因此,需要在此內容脈絡中加以改良。
鑒於上文所述,因此本發明之一目標係克服或至少減輕上文所論述之問題。特定而言,一目標係提供針對各種遊蕩行為及情況改良遊蕩事件偵測的方法、設備及系統。
根據本發明的一第一態樣,提供一種用於偵測一所關注區域AOI內之一遊蕩事件之方法,該方法包括以下步驟:˙接收與在一受監測場景內偵測到之一第一物體對應之第一物體資料,該第一物體資料包括一第一ID、一第一位置資料及一第一時間戳記;˙判定該第一位置資料與AOI重疊;˙接收與在一受監測場景內偵測到之該第一物體對應之第二物體資料,該第二物體資料包括該第一ID、一第二位置資料及一第二時間戳記;˙判定該第二位置資料與該AOI重疊;˙將該第二時間戳記與該第一時間戳記之間的一時間差相加至一總時間週期;˙接收與在該受監測場景內偵測到之一第二物體對應之第三物體資料,該第三物體資料包括與該第一ID不同之一第二ID、一第三位置資料及一第三時間戳記,該第三時間戳記晚於該第二時間戳記;˙判定該第三位置資料與該AOI重疊;˙接收與在該受監測場景內偵測到之該第二物體對應之第四物體資料,該第四物體資料包括該第二ID、一第四位置資料及一第四時間戳記;˙判定該第四位置資料與該AOI重疊;˙將該第四時間戳記與該第三時間戳記之間的一時間差相加至總時間週期;˙當總時間週期超出一第一臨限時間週期時,偵測一遊蕩事件。
「ID」通常係指可用於相對於其他物體來區分相關聯物體之任何類型之指示。舉例而言,若該物體資料包括大小資料,則此資料可用於區分與複數個所接收到的物體資料相關聯之物體。ID之另一用途係可及時地追蹤一物體,亦即使得複數個物體資料與不同時間戳記可及時連接起來。ID可藉由一整數(例如一序號(諸如1、2、3等))表示。ID可藉由一文字(諸如,物體之一名稱)表示。ID亦可被稱為「識別碼」、「標記」、「標籤」、「名稱」、「區分特徵」等。換言之,ID可係可用於相對於其他物體來區分一物體之任何類型之資料。
「所關注區域」(AOI)通常意指對受監測場景內之一區域之一界定,在受監測場景中該一物體可被定義為一遊蕩物體。在某些實施例中,AOI係整個受監測場景。在另一實施例中,AOI係由座標界定。在此實施例中,AOI之座標可根據所接收到的物體資料中之位置資料之座標而定。舉例而言,若所接收到的物體資料中之位置資料係以X、Y及/或Z座標界定,則所關注區域可係以此等座標界定之一區域。AOI可由擷取受監測場景之設備(例如一相機、RADAR設備等)之座標系(亦即,大域座標)來界定。就在x座標以及y座標上覆蓋-1至1範圍之一場景而言,AOI亦可以關於受監測場景之座標(例如,由一視訊擷取設備擷取之視訊中之影像平面中之位置)來界定,諸如x=0.3-0.7,y=0.3-0.7(亦即,由座標(0.3;0.3)、(0.3;0.7)、(0.7;0.7)、(0.7;0.3)來界定)。在使用RADAR資料之實施例中,可使用一角度範圍且視情況使用一深度範圍來界定AOI。
「位置資料」通常意指可用於判定受監測場景內之物體之一位置之任何類型之資料。舉例而言,位置資料可係空間中之一個點。在其他實施例中,位置資料係由空間內之物體之一定界框或物體之一更複雜
多邊形結構之頂點之座標來界定。位置資料可以一大域座標系(例如,一物體的由來自一RADAR設備之資料定義之一實際實體位置)或相對座標系(例如,由一視訊擷取設備所擷取之視訊中之影像平面中之位置)來界定,如上文所闡述。在使用RADAR資料之實施例中,位置資料可包括在場景中所偵測到之物體之一角度及一深度之一指示。
如本文中所使用,「判定位置資料與AOI重疊」(或下文所界定之排除區域)通常意指物體之一經界定部分位於AOI內。在AOI係整個受監測場景之實施例中,暗含地執行此步驟,此乃因接收到物體資料。在其中AOI僅係受監測場景之一部分之實施例中,比較位置資料與AOI之座標。在其中位置資料係一點之實施例中,定義係點一個位於AOI內,但對於更複雜的位置資料(諸如一定界框)而言,可應用其他規則。在一項實施例中,位於圖定界框/多邊形內之一單個點位於將被界定為重疊之AOI內足矣。在另一實施例中,整個定界框/多邊形可需要位於將被界定為重疊之AOI內。在又一實施例中,定界框/多邊形區域之1/3應位於將被界定為重疊之AOI內。在又一實施例中,在物體之定界框內之一預定義點(諸如定界框之高度之1/3及寬度之½)應位於將被界定為重疊之AOI內。
在先前技術中,通常基於在一AOI內花費一定時間週期之一個別物體來進行對遊蕩事件之偵測,其中一「個別物體」之定義取決於分析一所擷取場景之資料之一設備之偵測及追蹤能力。然而,此方法可存在問題。通常,基於物體之移動來偵測物體。若物體靜止達一時間週期,則通常會丟失此物體之蹤跡,且當物體再次開始移動時,其會被視為一新物體。自一遊蕩角度,對此物體之遊蕩時間之量測將係巨大的,亦即在物體靜止不動之前的週期的一個量測(且在丟失追蹤之情況下)及當物體已再
次開始移動之週期之一個量測,其中第一量測與第二量測並不聯繫在一起。因此,可遺漏此物體當之遊蕩事件之偵測。其中追蹤演算法之內在功能性可導致遺漏遊蕩事件之另一情形係當物體在一時間週期內不可看到時(例如隱藏在一棵樹之後)。在此情形中,演算法可致使偵測到兩個不同物體,類似於上文所闡述之靜止不動情形。
此外,僅基於個別物體偵測遊蕩事件可導致遺漏某些類型之遊蕩行為。舉例而言,若一第一人在一AOI中丟棄贓物,而片刻之後被一第二人撿到,則在第一人或第二人未停留於AOI中達觸發遊蕩事件之足夠長時間(此時間週期界定在遊蕩事件被觸發之前允許任何物體在AOI內遊蕩之時間長度,在本文中被稱為一第一臨限時間週期)之情況下,此類行為不可致使偵測到一遊蕩事件。
本發明人已認識到,藉由組合物體之一遊蕩時間(亦即一物體在一AOI內所花費之時間週期)與彼此先後在AOI內花費時間之不同物體ID,可正確地偵測到上述被遺漏之遊蕩行為。應注意,不組合任何重疊時間週期而是僅計數一次。換言之,時間週期3至20(對於一第一物體而言)及時間週期15至30(對於一第二物體而言)形成3至30之一遊蕩時間週期及值為27之一總時間週期。
當組合遊蕩時間(本文中被稱為總時間週期)超出一觸發時間臨限值(本文中被稱為第一時間臨限值),偵測到遊蕩事件。第一時間臨限值可係任何適合之時間量,諸如20秒、40秒或1分鐘。
根據某些實施例,若第三時間戳記與第二時間戳記之間的一時間差超出一第二時間臨限值時,則該方法進一步包括以下步驟:在將第四時間戳記與第三時間戳記之間的一時間差相加至總時間週期之步驟之
前,將總時間週期設定為零。在此實施例中,定義一重設時間餘裕(第二時間臨限值),該重設時間餘裕定義在重設總時間週期之前(設定為零)AOI可為空之時間長度(未接收到物體資料,該物體資料具有在AOI內之一位置資料)。可基於應被偵測為一遊蕩行為之行為類型來調整第二時間臨限值。該第二時間臨限值可係3秒、6秒、30秒或任何其他適合之時間量。
根據某些實施例,該方法進一步包括量測具有與AOI之座標重疊之位置資料之每一所接收到的物體資料之間的一時間,其中當時間超出第二臨限值時,執行將總時間週期設定為零之步驟。在此實施例中,每當接收到具有與AOI之座標重疊之位置資料之一物體資料時,重啟一時脈。時間一旦達到第二臨限值,便將總時間週期設定為零。此可係有利的,此乃因(例如)一旦已通過第二時間臨限值,便可將在展示總時間週期之一GUI中之一圖形物體(例如,一進度條)清零,因此將一遊蕩狀態之即刻回饋提供給一操作者。根據其他實施例,不對總時間週期進行重設直至接收到一下一遊蕩物體資料為止(在先前所接收到的遊蕩物體資料之後超過第二時間臨限值),亦即僅在將一新時間差相加至總時間週期之前。
根據某些實施例,當已偵測到一遊蕩事件時,該方法進一步包括以下步驟:繼續偵測遊蕩事件直至具有與AOI之座標重疊之位置資料之兩個隨後接收到的物體資料之間的時間超出第二臨限值為止。換言之,可使用每當接收到具有與AOI之座標重疊之位置資料之一物體資料時被重啟之時脈來定義,在所有物體已離開AOI之後對一遊蕩事件之一偵測應繼續多長時間。因此,當已偵測到一遊蕩事件時,將繼續檢此測達自具有在AOI內之一位置之先前所接收到的物體資料開始在第二時間週期內接收到具有在AOI內之一位置之任何物體資料的時間長度。藉由根據此實施
例繼續偵測遊蕩事件,一操作者偵測到遊蕩行為之機率可增大。
根據某些實施例,該方法進一步包括以下步驟:接收與在受監測場景所偵測到之第二物體對應之第五物體資料,該第五物體資料包括第二ID、一第五位置資料及一第五時間戳記;判定第五位置資料與AOI之座標重疊;及將第五時間戳記與第四時間戳記之間的一時間差相加至總時間週期。
因此,只要在AOI內偵測到第二物體總時間週期將增加,直至達到第一臨限時間週期為止。
根據某些實施例,一排除區(或排除區域)可被界定於AOI內。駐留於此區域中之物體不應對總時間週期產生影響。舉例而言,此排除區可係在AOI內的人們通常出去吸煙之一門周圍之一區域。此行為可並非是應被偵測到之一遊蕩行為。排除區可係預定義的或可由例如一操作者定義。在此實施例中,該方法可進一步包括判定第四位置資料進一步與排除區域之座標重疊之步驟,藉此不執行將第四時間戳記與第三時間戳記之間的時間差相加至總時間週期之步驟。
根據某些實施例,該方法進一步包括以下步驟:接收與在受監測場景內偵測到之第二物體對應之第五物體資料,該第五物體資料包括第二ID、一第五位置資料及一第五時間戳記;判定第五位置資料與AOI之座標重疊且不與排除區域之座標重疊;及將第五時間戳記與第四時間戳記之間的一時間差相加至總時間週期。因此,一旦一物體移動到排除區域之外但仍在AOI內,便再次量測時間且對總時間週期產生影響。
根據某些實施例,在將與物體資料相關聯之物體視為一遊蕩候選者之前對所接收到的物體資料執行篩選。如本文中所使用,術語
「遊蕩候選者」通常被理解為意指位於AOI內(但視情況不位於一排除區內)、其停留於AOI內之時間週期被量測且因此可對總時間週期產生影響之一物體。
篩選可係任何類型之篩選。舉例而言,根據某些實施例,所接收到的物體資料進一步包括與一被偵測物體之一大小對應之大小資料。在此情形中,該方法進一步包括以下步驟:比較第三物體資料與第四物體資料之一大小資料與一臨限大小,其中僅在各別大小資料超出臨限大小之情況下執行將第四時間戳記與第三時間戳記之間的一時間差相加至總時間週期之步驟。大小資料可暗含於位置資料中,例如在位置資料界定一定界框或多邊形之情形中。大小資料在所接收到的物體資料中亦可係一單獨的資料欄位。藉由此實施例,物體(諸如動物(貓、狗、兔子)、吹進AOI中之樹葉或塑膠袋)可被篩選掉且不會致使偵測到一遊蕩事件。
在其他實施例中,所接收到的物體資料進一步包括與一被偵測物體之一類型對應之物體類型資料。在此情形中,該方法進一步包括以下步驟:比較第三物體資料及第四物體資料之一物體類型資料與預定義物體類型,其中僅在各別物體類型資料等同於預定義物體類型之情況下才執行將第四時間戳記與第三時間戳記之間的一時間差相加至總時間週期之步驟。物體類型資料可係一整數、一列舉、一文字字串或任何其他適合之資料欄位。舉例而言,物體資料可定義一物體一種類型之「車」。遊蕩偵測系統之管理員可已將系統設置成僅偵測類型為「人」之物體之遊蕩事件。藉由包含物體類型資料且對此等資料執行篩選,此等情景可係可能的。
根據本發明之一第二態樣,藉由經調適以偵測一遊蕩事件
之一設備達成上述目標,該設備包括經調適以進行以下操作之一處理器:˙接收與在一受監測場景內偵測到之一第一物體對應之第一物體資料,該第一物體資料包括一第一ID、一第一位置資料及一第一時間戳記;˙判定該第一位置資料與該AOI之座標重疊;˙接收與在一受監測場景內偵測到之該第一物體對應之第二物體資料,該第二物體資料包括第一ID、一第二位置資料及一第二時間戳記;˙判定第二位置資料與該AOI之座標重疊;˙將第二時間戳記與第一時間戳記之間的一時間差相加至一總時間週期;˙接收與在受監測場景內偵測到之一第二物體對應之第三物體資料,該第三物體資料包括與第一ID不同之一第二ID、一第三位置資料及一第三時間戳記;˙判定該第三位置資料與該AOI之座標重疊;˙接收與在該受監測場景內偵測到之第二物體對應之第四物體資料,該第四物體資料包括第二ID、一第四位置資料及一第四時間戳記;˙判定第四位置資料與該AOI之座標重疊;˙將第四時間戳記與第三時間戳記之間的一時間差相加至總時間週期;˙當總時間週期超出一第一臨限時間週期時,偵測一遊蕩事件。
根據本發明之一第三態樣,藉由一種系統達成上述目標,該系統包括:˙第一設備,其用於連續地擷取一場景之資料,˙第二設備,其經調適以自該第一設備接收所擷取資料,且偵測並
追蹤所擷取資料中之物體,其中該第二設備進一步經調適以提取與在所擷取資料中偵測到並被追蹤之物體對應之物體資料以及所提取物體資料之一對應時間戳記,每一物體資料與一被偵測且被追蹤物體相關聯且包括相關聯物體之一ID、相關聯物體之一位置資料及時間戳記;及˙根據第二態樣之第三設備,其經調適以自第二設備接收該所提取物體資料。
根據某些實施例,該系統進一步包括一第四設備,該第四設備經調適以自該第三設備接收一所偵測到的遊蕩事件,並產生一視覺及/或聽覺信號以使一操作者覺察到該遊蕩事件。
根據某些實施例,該第一設備係以下中之一者:一視訊擷取設備、一RADAR設備、一紅外線感測器設備、一麥克風陣列、一熱感相機及一飛行時間相機。
第一設備、第二設備、第三設備及第四設備中之任一者可被實施為一單個實體設備。根據某些實施例,第一設備,第二設備及第三設備被實施於一視訊擷取設備中。此外,第四設備可由視訊擷取設備來實施。
根據本發明之一第四態樣,上述目標係藉由一種電腦程式產品達成,該電腦程式產品包括具有指令之一電腦可讀取儲存媒體,該指令經調適以在由具有處理能力之一設備執行時執行第一態樣之方法。
第二態樣、第三態樣及第四態樣通常可具有與該第一態樣相同之特徵及優點。亦應注意,本發明係關於特徵之所有可能組合,除非另有明確陳述。
102:所關注場景/場景/受監測場景
104:所關注區域
106a:物體/第一物體/相關聯物體/被偵測且被追蹤物體
106b:第二物體/物體/被偵測且被追蹤物體/相關聯物體
106c:第三物體/物體
108a:定界框
108b:定界框
108c:定界框
110a:進度條
110b:進度條
110c:進度條
202:進度條/總時間週期/滿進度條
304:靜止物體
306:物體/被偵測物體
308:定界框
404:第一設備/設備
406a:所擷取資料
406b:所擷取資料
406c:所擷取資料
406d:所擷取資料
406e:所擷取資料
406f:所擷取資料
408:第二設備
410a:第一物體資料/物體資料
410b:第二物體資料/物體資料
410c:第三物體資料/物體資料
410d:第四物體資料/物體資料
410e:第五物體資料
410f:第六物體資料
412:遊蕩偵測設備/第三設備
414:遊蕩事件/所偵測到的遊蕩事件
416:視覺及/或聽覺信號
418:顯示器/第四設備
S502:步驟
S504:步驟
S506:步驟
S508:步驟
S510:步驟
S512:步驟
S514:步驟
S516:步驟
S518:步驟
S520:步驟
參考附圖,透過對本發明之較佳實施例之以下說明性及非限制性的詳細說明將更好地理解本發明之以上以及額外目標、特徵及優點,其中相同元件符號將用於類似元件,在附圖中:圖1展示根據先前技術之遊蕩偵測,圖2展示根據實施例用於在一所關注區域內偵測一遊蕩事件之一方法,圖3展示根據實施例用於在一所關注區域內偵測一遊蕩事件之一方法,該所關注區域包含一靜止物體,圖4展示根據實施例用於在一所關注區域內偵測一遊蕩事件之一方法,該所關注區域包含一排除區域,圖5展示根據某些實施例用於偵測遊蕩事件之一系統,圖6展示根據某些實施例用於偵測遊蕩事件之一方法之一流程圖。
現在,將在下文中參考附圖來更全面地闡述本發明,在附圖中展示本發明之實施例。將在操作期間闡述本文中所揭示之系統及設備。
基於(例如)由一相機所擷取之一視訊串流之基本遊蕩偵測為此項技術所熟知。然而,已知的遊蕩偵測係對一個別物體執行。在相機視野中偵測並追蹤一物體,且比較該物體位於所界定的所關注區域內之時間週期與針對一遊蕩事件之偵測固定之一預定時間週期。
圖1以實例方式展示在由一相機監測之一所關注場景102之三個快照期間之個別遊蕩偵測。在上部部分中,展示時間to處之場景。在
此快照中,一第一物體106a及一第三物體106c存在於一預定義的所關注區域(AOI)104中,且一第二物體106b位於AOI 104外部。物體106a至物體106c係由定界框108a至定界框108c界定,定界框108a至定界框108c界定物體106a至物體106c相對於場景102及AOI 104之位置。為偵測一遊蕩事件,量測一物體106a至物體106c位於AOI 104內之一時間週期。為此,在AOI 104中之每一物體106a、106c之下係經展示之一進度條110a、110c,進度條110a、110c表示每一物體106a、106c已存在於AOI 10中之時間週期。如通過進度條110a、110c可看到,物體106a、106c已位於AOI 104中之個別量測時間週期接近針對遊蕩事件而規定之預定時間週期。
在第二快照(圖1之中間部分)中,展示在時間t1>t0處之場景102。在此快照中,第一物體106a已移動到AOI 104外部。因此,不再量測此物體106a之時間,且第一物體106a在AOI內之遊蕩不會致使偵測一遊蕩事件。第三物體106c在場景102中之被一靜止物體(例如,一樹)隱藏。因此,分析來自擷取場景之相機之影像之物體偵測與追蹤演算法將不再能夠追蹤到物體106c。第二物體106b仍位於AOI 104外部。在此快照期間,不量測時間,此乃因在AOI 104內未偵測到物體。
在最後一個快照中,展示時間t2>t1處之場景102。在此快照中,可在場景102中可再次看到第三物體106c且第三物體106c位於AOI 104中。然而,對於對場景之影像進行分析之偵測與追蹤演算法而言,第三物體相對於該場景而言係一新物體(此乃因在時間t1處或在時間t0至t2之間丟失了追蹤)。如上文所述,在AOI 104中之每一物體106b、106c之下係所展示之一進度條110b、110c,進度條表示每一物體106b、106c已存在於AOI 104中之一時間週期。如可看到,與第一快照相比,在第三快照
中所量測時間週期更短。
如上文所闡述,量測一遊蕩時間週期之此策略存在數個問題。在諸多場景中,組合物體之遊蕩時間與彼此先後在AOI內花費時間之不同物體ID將係有益的,亦即一群組遊蕩策略或非特定物體遊蕩策略。現在將使用圖2至圖6來闡述此遊蕩偵測策略。
圖5以實例方式展示用於遊蕩偵測之一系統。在此實例中,一第一設備404(例如,一相機)連續地擷取一場景102之資料406。第一設備404可係擷取可用於對場景102中之一物體進行個別偵測與追蹤之資料之任何適合設備,諸如一視訊擷取設備、一RADAR設備、一紅外線感測器設備、一麥克風陣列、一熱感相機或飛行時間相機。
然後,將所擷取資料406(其格式取決於第一設備404)傳輸至一第二設備408,第二設備408經調適以自第一設備404接收所擷取資料406且偵測並追蹤所擷取資料中之物體106a、106b。第二設備408可被實施於第一設備404中,或可被實施於與第一設備404分離之一設備中。第二設備408經調適以提取與所擷取資料406中之被偵測且被追蹤物體106a、106b對應之物體資料410以及所提取物體資料410之一對應時間戳記。每一物體資料410與一被偵測且被追蹤物體106a、106b相關聯且包括相關聯物體106a、106b之一ID、相關聯物體106a、106b之一位置資料及時間戳記。因此,第二設備基於自第一設備404接收到之所擷取資料406之類型(例如,影像資料、視訊資料、音訊資料、RADAR資料等)來實施一適合分析演算法。
根據某些實施例,將所輸出的物體資料410群組化於與偵測到物體之影像圖框對應之物體資料框中,且因此物體資料帶有時間戳
記,此類似於所擷取之影像圖框(或偵測樣本、快照、音訊資料框等,具體情形取決於擷取場景之資料之設備404)。換言之,在此實施例中,若在由第一設備404擷取之場景102之一個時間點處偵測到兩個或兩個以上物體,則將對應的所提取物體資料群組化至被傳輸至一遊蕩偵測設備(第三設備)412之一個資料集中。除物體ID、位置資料及一時間戳記之外,此經群組化物體資料可包括其他資訊,如:
- 先前已觀察到但現在已消失之物體。
- 已成為一合併體(兩個或兩個以上物體合併成一個物體)之一部分之物體。
- 已成為一分裂體之一部分之物體(一個物體分裂成兩個或兩個以上物體)。
在其他實施例中,在場景102之一時間點處偵測到之每一物體致使單獨地傳輸物體資料410。
被偵測且被追蹤物體之其他資訊可包含於所提取物體資料410中,諸如大小資料、物體類型資料、色彩資料等。
可以與自第一設備404接收到之所擷取資料406之取樣速率不同之一取樣速率(例如FPS,框/秒)來在第二設備408中對物體資料410進行提取。換言之,並非所有的所擷取資料406可由第二設備408分析。在其他實施例中,由第一設備404及第二設備408輸出之資料406、410之FPS可係相等的,此意味著第二設備408分析所有所擷取資料406。
然後,將所提取物體資料410連續地傳輸至第三設備412,第三設備412經調適以依據所接收到的物體資料410偵測遊蕩事件414(下文予以進一步闡述)。第三設備412可被實施於第一設備404中,及/或第二
設備408中或可被施於與第一設備404分離之一設備中。根據某些實施例,第一設備404、第二設備408及第三設備412被實施於一視訊記錄設備中。作為一替代方案,第三設備412可位於經由一網路或類似設備與第一設備404/第二設備408連接之一外部伺服器上。第二設備408及第三設備412兩者當然亦皆可位於一伺服器(舉例而言,一視訊管理伺服器、VMS)處。因此,本文中所闡述之系統及方法之一優點係實施方案之靈活性可係極大的。第三設備412包括一或多個處理器,該一或多個處理器經調適以實施本文中所闡述的用於偵測遊蕩事件之方法。舉例而言,第三設備412可運行一電腦程式產品,該電腦程式產品包括具有指令之一電腦可讀儲存媒體,該等指令經調適以在由具有處理能力之設備412執行時實施方法。
在某些實施例中,將所偵測到的遊蕩事件414傳輸至一第四設備(舉例而言,一顯示器418),該第四設備經調適以自第三設備412接收所偵測到的遊蕩事件414,且產生一視覺及/或聽覺信號416以使一操作者覺察到該遊蕩事件。第四設備同時亦可顯示所擷取資料406,或所擷取資料406之一部分,諸如AOI內之資料。第四設備還可顯示說明資料(例如,自物體資料410提取之資料),諸如場景中之物體之定界框或多邊形、物體之ID等。
在某些實施例中,一所偵測到的遊蕩事件可觸發動作,諸如發送一訊息(電子郵件、SMS)、撥打電話、或者向某人發出關於所偵測到的遊蕩事件之警報。所偵測到的遊蕩事件可進一步觸發動作,諸如以一較高解析度記錄受監測場景之資料、以一較高解析度或以一單獨的資料串流形式記錄遊蕩物體之資料、將遊蕩物體之一影像儲存於一資料庫中等。
將闡現在將結合圖5的用於遊蕩偵測之系統及圖6之流程圖
使用圖2至圖4來闡述第三設備412之功能性。在下文中,將以實例方式闡述三種情景,該三種情景全部映射至圖5之所擷取資料406、所提取物體資料410及所偵測到的遊蕩事件414之數目。然而應注意,例如兩個情景之間具相同參考數目之所提取物體資料之內容可有所不同。
還應注意,在圖2至圖4之實例中,為便於說明起見,在每一時間週期期間AOI 104中僅存在一個物體106。然而應注意,在一時間週期期間AOI 104中可存在複數個物體106。在此等情形中,僅一個時間週期將被相加至一總時間週期,如上文所闡述且如熟習此項技術者理解。
圖2以實例方式展示在時間週期期間(t0至t1、t2至t3及t4至t5,其中t0<t1<t2<t3<t4<t5)一所關注場景102之群組遊蕩偵測。場景102包括一AOI 104。
為闡釋用於進行遊蕩偵測之方法,假定對於每一時間週期而言,第二設備408分析來自第一設備404之兩個所擷取資料406(例如,一者在在第一時間週期內的t0處擷取且一者在t1處擷取)。在下文對圖3至圖4做出類似假定。
對於第一時間週期(圖2之上部部分),第二設備自第一設備404接收兩個所擷取資料406a、406b,對該所擷取資料進行分析以發現物體。在此時間週期期間,一第一物體106a存在於場景102中。在此時間週期期間場景中不存在其他物體。針對第一所擷取資料(在時間t0處),第二設備408提取與在受監測場景102內偵測到之一第一物體106a對應之一第一物體資料410a,第一物體資料包括至少一第一ID、一第一位置資料及一第一時間戳記t0。針對第二所擷取資料(在時間t1處),第二設備408提取與在受監測場景102內偵測到之第一物體106a對應之一第二物體資料
410b,第一物體資料包括至少第一ID、一第二位置資料及一第二時間戳記t1。此意味著經配置以偵測遊蕩事件之一第三設備(遊蕩偵測設備)412已接收到S508第一物體資料410a及第二物體資料410b。
針對第一物體資料410a,第三設備412首先判定S510第一物體資料之物體是否是一遊蕩候選者。此係至少藉由判定S514第一位置資料是否與AOI 104重疊來進行。在圖2之實例中,位置資料是第一物體106a(在圖中被稱為108a)之定界框,且AOI 104經界定以僅覆蓋受監測場景102之部分。判定第一位置資料與AOI 104之座標重疊。如上文所闡述,若AOI 104覆蓋整個受監測場景102,則所有所接收到的物體可被判定為具有與AOI重疊之位置。然而,在圖2至圖4之實例中,AOI 104被界定為僅覆蓋受監測場景102之部分。在此等實施例中,一所接收到的物體資料之一位置資料可闡述相關聯物體定位於AOI 104外部或與AOI 104重疊。因此,使用位置資料及AOI之座標來執行判定一位置資料是否與AOI 104重疊之步驟。
現在返回至圖2,由於在此實例中,第三設備先前未接收到此物體106a之其他物體資料,因此不對總時間週期加上時間週期。若總時間週期被定義為一遊蕩偵測時脈,則現在開始時脈。
針對第二物體資料410b,第三設備412首先判定S510第二物體資料410b之物體是否係一遊蕩候選者,如上文針對第一物體資料410a所闡述。判定S514第二位置資料與AOI 104之座標重疊。
視情況,在每一所接收到的物體資料410之間,第三設備412連續地量測被判定S510為一遊蕩候選者資料之每一所接收到的物體資料之間的一時間,檢查S502時間是否超出一第二臨限值。若此確實如
此,將總時間週期設定為零。第二時間臨限值判定是否應重設遊蕩偵測時脈,此乃因個遊蕩候選者之間的一時間週期已超出第二時間臨限值。當未接收到S506物體資料時,當一物體被判定為並非係一遊蕩候選者時(S510),且在已如本文中所闡述處理了每一遊蕩候選者之後,可執行檢查S502。在其他實施例中,將藉由第三設備412在一單獨程序中連續地執行在圖6中被稱為S502及S504之步驟。在任何事件中,在將一時間週期相加至S518總時間週期之步驟之前執行檢查。此外,應注意,如上文所闡述,根據某些實施例,所接收到的S508物體資料可包括複數個物體資料,換言之,在此實施例中,若在由第一設備擷取之場景之一個時間點處偵測到兩個或兩個以上物體,則將對應所提取物體資料群組化至一個資料集中,該資料集被傳輸至遊蕩偵測設備(第三設備)412。在此情形中,根據本文中之闡述處理所接收到的資料集中之每一物體資料。
在此情形中,時間週期t1至t0未超出第二時間臨限值。而是,將時間週期t1至t0相加至S516總時間週期,由圖2中之進度條202表示。總時間週期202未超出一第一臨限時間週期(在圖2中由一滿進度條表示),因此將不會偵測到遊蕩事件。
在第二時間週期期間(t2至t3,圖2之中間部分中展示),第二設備自第一設備404接收兩個所擷取資料406c、406d,對該所擷取資料進行分析以發現物體。在此時間週期期間,場景102中存在一第二物體106b。在此時間週期期間場景中不存在其他物體。如上文所闡釋,此意味著第三設備412接收S508第三物體資料410c及第四物體資料410d。然而,針對此等物體資料410c、410d兩者,判定S510該等物體資料410c、410d皆不表示一遊蕩物體,此乃因判定S514各別位置資料不與AOI 104之
座標重疊。在此時間週期期間,不對總時間週期202加上時間週期。因此,由使用一時脈類推,暫停時脈。
在第二時間週期期間(t4至t5,在圖2之下部中展示),第二設備自第一設備404接收兩個所擷取資料406e、406f,對該所擷取資料進行分析以發現物體。在此時間週期期間,場景102中存在第二物體106b。在此時間週期期間該場景中不存在其他物體。如上文所闡釋,此意味著第三設備412接收S508第五物體資料410e及第六物體資料410f。
針對第五物體資料410e,第三設備412首先判定S510第五物體資料410e之物體是否係一遊蕩候選者,如上文針對第一物體資料410a所闡述。判定第五位置資料與AOI 104之座標重疊,S514。
如上文所闡述,第三設備可連續地量測具有與AOI之座標重疊之位置資料之每一所接收到的物體資料之間的一時間,且當判定S502所量測時間超出第二臨限值時將總時間週期設定S504為零。換言之,若判定第五時間戳記t4與第二時間戳記t1(其係判定存在最後一個遊蕩候選者時之時間)之間的一時間差超出第二時間臨限值,則將總時間週期設定為零。
然而,在此實例中,不將總時間週期202設定S504為零。將不對總時間週期202加上S518時間週期,此乃因第三設備412先前未接收到與第二物體106c相關聯且被判定為表示一遊蕩物體之物體。使用遊蕩偵測時脈之類似物,現在再次開始時脈。
針對第六物體資料410f,第三設備412判定S510第六物體資料410f之物體是否係一遊蕩候選者,如上文針對第一物體資料410a所闡述。判定S514第六位置資料與AOI 104之座標重疊。
因此,時間週期t5至t4(亦即,第六時間戳記與第五時間戳記之間的時間差)被相加至S518由圖2中之進度條202表示之總時間週期。雖然第二物體106b停留於AOI內(或若一新遊蕩候選者進入場景102),總時間週期202將以如上文所闡述之方式繼續增加,直至偵測到一遊蕩事件414為止。
在圖2中,總時間週期202現在確實超出第一臨限時間週期(在圖2中由一滿進度條202表示),因此偵測到遊蕩事件414。
如此一來,不同物體(例如,人)彼此先後之遊蕩可致使偵測到一遊蕩事件。自一安全角度看此可係有益的,此乃因在一AOI中遊蕩之人群通常指示可疑行為,甚至在一單個物體未停留於AOI中達足夠時間量以僅基於此單個物體之遊蕩時間偵測一遊蕩事件之情形中。
根據某些實施例,在第一次偵測之後可繼續針對至少第二時間臨限值偵測遊蕩事件。在某些實施例中,可繼續偵測遊蕩事件直至所有遊蕩候選者已消失為止。換言之,若被判定S510為遊蕩候選者之新物體進入場景102,則只要場景102包括遊蕩候選者便將繼續偵測遊蕩事件(且視情況在所有遊蕩候選者已消失之後,針對一額外第二時間臨限值就行進行偵測)。類似地,只要第二物體106b停留於場景中且被判定S510為一遊蕩候選者,亦可係此情形。
一旦不再偵測到遊蕩事件,便將總時間週期將設定為零。
圖3展示其中個別遊蕩偵測可不足以偵測到可疑行為之另一情景。在此情形中,AOI 104包括一靜止物體304(例如一樹、一車或可隱藏一遊蕩候選者之任何其他物體)。通常,用於進行物體偵測與追蹤之演算法不能追蹤暫時自場景消失之物體。當物體再次出現時,演算法可將
此視為一新物體,例如具有一新的物體ID。自一遊蕩角度,此可形成一遺漏遊蕩事件,亦如上文所闡釋。本文中所闡述之遊蕩偵測方法可解決此問題,且亦在此情景中正確地偵測到一遊蕩事件,如下文將闡釋。
圖3以實例方式展示在時間週期期間(t0至t1、t2至t3、t4至t5,其中t0<t1<t2<t3<t4<t5)一所關注場景102之群組遊蕩偵測。場景102包括一AOI 104。
與圖2之情形類似,第一時間週期(在圖3之上部部分展示)將形成t1至t0之一總時間週期202。
針對第二時間週期(圖3之中間部分),總時間週期202將不變,此乃因AOI內之物體(在圖3之上部部分中被稱為106a)被靜止物體304隱藏。另一物體306係所擷取資料406c、406d之一部分,但對應物體資料410c、410d將構成遊蕩候選者,此乃因在此情景中,當判定S510一物體是否係一遊蕩候選者時,會進行進一步篩選S512(除在AOI 104外部之位置資料外)。在此情形中,物體資料410c、410d包括與被偵測物體306之一大小對應之大小資料。在此情形中,可自由第二設備408判定之被偵測物體之定界框308提取大小資料。在此實施例中,比較S512第三物體資料410c及第四物體資料410d之大小資料與一臨限大小。由於判定被偵測物體之大小太小,因此不執行將第四(t3)時間戳記與第三(t2)時間戳記之間的一時間差相加至S518總時間週期之步驟。可執行其他類型之篩選,諸如篩選物體類型資料(車、人、動物)或物體的與物體資料相關聯之其他類型之闡述資料,諸如色彩、形狀、速率、速度等。
針對第三時間週期(t4至t5,圖3之下部部分),可再次看到先前隱藏之物體,且其仍存在於AOI 104內。然而,如上文所闡釋與由第
二設備408在第一時間週期(t0至t1,圖3之上部部分)內提取之物體資料410a、410b相比,由第二設備408提取之物體資料410e、410f將具有一不同物體ID。因此,在圖3中,與圖3之上部部分中之物體相比,以一不同參考(106b)指代圖3之下部部分中之物體,此乃因自一遊蕩角度看,物體係不同(具有不同ID)。然而,被偵測物體在不同時間週期期間具有不同ID這一事實可不會影響遊蕩事件之偵測。因此,針對第三時間週期,上文結合圖2所闡釋,第六(t5)時間戳記與第五(t4)時間戳記之間的時間差將被相加至S518總時間週期202,從而偵測到S520遊蕩事件414。
本文中所定義之遊蕩偵測內之另一概念係一排除區域。此係在AOI 104內、一物體所花費之時間不應被視為遊蕩之一區域。此概念在圖4中加以展示。
在圖4中,與圖2至圖3之情形類似,第一時間週期(在圖4之上部部分中展示)將形成t1至t0之一總時間週期202。
在第二時間週期期間(t2至t3,圖4之中間部分中展示),第二設備自第一設備404接收兩個所擷取資料406c、406d,對該所擷取資料進行分析以發現物體。在此時間週期期間,場景102中存在一第二物體106b。在此時間週期期間場景中不存在其他物體。如上文所闡釋,此意味著第三設備412接收S508第三物體資料410c及第四物體資料410d。然而,對於此等物體資料410c、410d兩者而言,判定S510此等物體資料410c、410d皆不表示一遊蕩物體,此乃因判定S516各別位置資料確實與排除區302之座標重疊。在此時間週期期間,不對總時間週期202加上時間週期。因此,在使用一時脈,暫停時脈。
然而,一旦第二物體位於排除區302外部,但仍位於AOI
104內,便將時間再次相加至S518總時間週期202,如上文所闡述且圖4之下部部分中所展示。根據某些實施例,將具有排除區302中之位置資料之最後物體資料410d與後續物體資料410e(其中第二物體106b位於排除區302外部但仍位於AOI 104內部)之間的週期相加至總時間週期,這意味著第五410e時間戳記與第四410d時間戳記之間的一時間差(t4至t3)將被相加至總時間週期。在此實施例中,第六410e時間戳記與第五410d時間戳記之間的時間差(t5至t4)當然亦將被相加至總時間週期202,與上文之闡述類似。
根據其他實施例,在此情景中,不增加總時間週期直至在第六時間戳記(t5)處為止,這意味著第六410f時間戳記與第五410e時間戳記之間的一時間差(t5至t4)將被相加至S518總時間週期202,而將不加上第五410e時間戳記與第四410d時間戳記之間的時間差(t4至t3)。
在上文中,參考有限數目個實例主要闡述發明性概念。然而,熟習此項技術者易於瞭解,除上文所揭示之實施例之外,本發明之範疇內同樣可能存在其他實施例,如由隨附申請專利範圍定義。舉例而言,用於偵測一遊蕩事件之方法可以不同方式被定義,但仍在隨附申請專利範圍之範疇內。根據一項實施例,用於偵測在一AOI內之遊蕩事件之方法可包括以下步驟:- 接收與在一受監測場景內偵測到之至少一個物體對應之物體資料,該物體資料包括:至少一個位置資料,每一位置資料與至少一個被偵測物體中之一個被偵測物體相關聯;及一時間戳記,其與位置資料相關聯,- 基於所接收到的物體資料判定在AOI內偵測到至少一個物體之時間
點,- 針對每一經判定時間點,計算距最接近之先前經判定時間點之時間差,- 比較每一所計算時間差與一第二臨限時間,且在判定一所計算時間差小於一第二臨限時間時,將所計算時間差相加至一總時間週期,- 當總時間週期超出一第一臨限時間週期時,偵測一遊蕩事件。
根據某些實施例,其中若一所計算時間差超出第二時間臨限值,則該方法進一步包括將總時間週期設定為零。
根據某些實施例,該物體資料進一步包括相關聯被偵測物體之一ID,其中每一所判定時間點以至少一個ID相關聯,其中所判定時間點中之至少兩者與不同至少一個ID相關聯。在某些實施例中,與一第一所判定時間點相關聯之至少一個ID跟與一第二所判定時間點相關聯之至少一個ID相互排除,第二所判定時間點在第一時間點之後。
可對本文中所定義之任何其他實施例進行再闡述以與此不同定義之方法配合。
102‧‧‧所關注場景/場景/受監測場景
104‧‧‧所關注區域
106a‧‧‧物體/第一物體/相關聯物體/被偵測且被追蹤物體
106b‧‧‧第二物體/物體/被偵測且被追蹤物體/相關聯物體
108a‧‧‧定界框
108b‧‧‧定界框
202‧‧‧進度條/總時間週期/滿進度條
Claims (15)
- 一種用於偵測一所關注區域(104)AOI內之一遊蕩事件之方法,該方法包括以下步驟:接收(S508)與在一受監測場景(102)內偵測到之一第一物體(106a)對應之第一物體資料(410a),該第一物體資料包括一第一ID、第一位置資料及一第一時間戳記;判定(S514)該第一位置資料與該AOI重疊;接收(S508)與在一受監測場景內偵測到之該第一物體對應之第二物體資料(410b),該第二物體資料包括該第一ID、第二位置資料及一第二時間戳記;判定(S514)該第二位置資料與該AOI重疊;將該第二時間戳記與該第一時間戳記之間的一時間差相加(S518)至一總時間週期(202);接收(S508)與在該受監測場景內偵測到之一第二物體(106b)對應之第三物體資料(410e),該第三物體資料包括與該第一ID不同之一第二ID、第三位置資料及一第三時間戳記,其中該第三時間戳記晚於該第二時間戳記;判定(S514)該第三位置資料與該AOI重疊;接收(S508)與在該受監測場景內偵測到之該第二物體對應之第四物體資料(410f),該第四物體資料包括該第二ID、第四位置資料及一第四時間戳記;判定(S514)該第四位置資料與該AOI重疊; 將該第四時間戳記與該第三時間戳記之間的一時間差相加(S518)至該總時間週期(202);當該總時間週期超出一第一臨限時間週期時,偵測(S520)一遊蕩事件(414)。
- 如請求項1之方法,其中若(S502)該第三時間戳記與該第二時間戳記之間的一時間差超出一第二時間臨限值,則該方法進一步包括以下步驟:在將該第四時間戳記與該第三時間戳記之間的一時間差相加至該總時間週期的該步驟之前,將該總時間週期設定(S504)為零。
- 如請求項2之方法,其進一步包括以下步驟:量測具有與該AOI重疊之位置資料之每一所接收到的物體資料之間的一時間,其中當該時間超出該第二臨限值時,執行將該總時間週期設定為零之該步驟。
- 如請求項3之方法,其進一步包括以下步驟:當已偵測到一遊蕩事件時,繼續偵測遊蕩事件直至具有與該AOI重疊之位置資料的兩個隨後接收到的物體資料之間的該時間超出該第二臨限值為止。
- 如請求項1之方法,其進一步包括以下步驟:接收(S508)與在該受監測場景內偵測到之該第二物體對應之第五物體資料,該第五物體資料包括該第二ID、一第五位置資料及第五時間戳 記;判定(S514)該第五位置資料與該AOI重疊;及將該第五時間戳記與該第四時間戳記之間的一時間差相加(S518)至該總時間週期。
- 如請求項1之方法,其進一步包括以下步驟:判定(S516)該第四位置資料進一步與一排除區域重疊,由此不執行將該第四時間戳記與該第三時間戳記之間的該時間差相加至該總時間週期的該步驟。
- 如請求項6之方法,其進一步包括以下步驟,接收(S508)與在該受監測場景內偵測到之該第二物體對應之第五物體資料,該第五物體資料包括該第二ID、第五位置資料及一第五時間戳記;判定(S514)該第五位置資料與該AOI重疊且(S516)不與該排除區域重疊;及將該第五時間戳記與該第四時間戳記之間的一時間差相加(S518)至該總時間週期。
- 如請求項1之方法,其中所接收到的物體資料進一步包括與一被偵測物體之一大小對應之大小資料,其中該方法進一步包括以下步驟:比較(S512)該第三物體資料及該第四物體資料的大小資料與一臨限大小,其中僅在該各別大小資料超出該臨限大小之情況下才執行將該第四 時間戳記與該第三時間戳記之間的一時間差相加至該總時間週期之該步驟。
- 如請求項1之方法,其中所接收到的物體資料進一步包括與一被偵測物體之一類型對應之物體類型資料,其中該方法進一步包括以下步驟:比較(S512)該第三物體資料及該第四物體資料之物體類型資料與預定義物體類型,其中僅在該各別物體類型資料等同於該預定義物體類型之情況下才執行將該第四時間戳記與該第三時間戳記之間的一時間差相加至該總時間週期之該步驟。
- 一種經調適以偵測一遊蕩事件之設備(412),該設備包括經調適以執行以下操作之一處理器:接收(S508)與在一受監測場景(102)內偵測到之一第一物體(106a)對應之第一物體資料(410a),該第一物體資料包括一第一ID、第一位置資料及一第一時間戳記;判定(S514)該第一位置資料與該AOI重疊;接收(S508)與在一受監測場景內偵測到之該第一物體對應之第二物體資料(410b),該第二物體資料包括該第一ID、第二位置資料及一第二時間戳記;判定(S514)該第二位置資料與該AOI重疊;將該第二時間戳記與該第一時間戳記之間的一時間差相加(S518)至一總時間週期;接收(S508)與在該受監測場景內偵測到之一第二物體(106b)對應之第 三物體資料(410e),該第三物體資料包括與該第一ID不同之一第二ID、第三位置資料及一第三時間戳記,其中該第三時間戳記晚於該第二時間戳記;判定(S514)該第三位置資料與該AOI重疊;接收(S508)與在該受監測場景內偵測到之該第二物體對應之第四物體資料(410f),該第四物體資料包括該第二ID、第四位置資料及一第四時間戳記;判定(S514)該第四位置資料與該AOI重疊;將該第四時間戳記與該第三時間戳記之間的一時間差相加(S518)至該總時間週期;當該總時間週期超出一第一臨限時間週期時,偵測(S520)一遊蕩事件(414)。
- 一種用於偵測一遊蕩事件(loitering event)之系統,其包括:一第一設備(404),其用於連續地擷取一場景(102)之資料(406),一第二設備(404),其經調適以自該第一設備接收該所擷取資料(406)且偵測並追蹤該所擷取資料中之物體,其中該第二設備進一步經調適以提取與該所擷取資料中之被偵測且被追蹤物體對應之物體資料(410)及該所提取物體資料之一對應時間戳記,與一被偵測且被追蹤物體相關聯之每一物體資料包括相關聯物體之一ID、該相關聯物體之位置資料及該時間戳記;及一如請求項10之第三設備(412),其經調適以自該第二設備接收該所提取物體資料。
- 如請求項11之系統,其進一步包括一第四設備(418),該第四設備(418)經調適以自該第三設備接收一所偵測到的遊蕩事件(414),並產生一視覺及/或聽覺信號(416)以使一操作者覺察到該遊蕩事件。
- 如請求項11之系統,其中該第一設備係以下清單中之一者:一視訊擷取設備、一RADAR設備、一紅外線感測器設備、一麥克風陣列、一熱感相機及一飛行時間相機。
- 如請求項11之系統,其中該第一設備、該第二設備及該第三設備被實施於一視訊擷取設備中。
- 一種電腦程式產品,其包括具有指令之一電腦可讀儲存媒體,該等指令經調適以在被具有處理能力之一設備執行時實施如請求項1之方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
??17208476.6 | 2017-12-19 | ||
EP17208476.6A EP3502952B1 (en) | 2017-12-19 | 2017-12-19 | Method, device and system for detecting a loitering event |
EP17208476.6 | 2017-12-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201928896A TW201928896A (zh) | 2019-07-16 |
TWI756497B true TWI756497B (zh) | 2022-03-01 |
Family
ID=60915247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107142259A TWI756497B (zh) | 2017-12-19 | 2018-11-27 | 用於偵測遊蕩事件的方法、設備及系統 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10748011B2 (zh) |
EP (1) | EP3502952B1 (zh) |
JP (1) | JP6893204B2 (zh) |
KR (1) | KR102175373B1 (zh) |
CN (1) | CN109934217B (zh) |
TW (1) | TWI756497B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110324528A (zh) * | 2018-03-28 | 2019-10-11 | 富泰华工业(深圳)有限公司 | 摄像装置、影像处理系统及方法 |
CN112906430A (zh) * | 2019-11-19 | 2021-06-04 | 英业达科技有限公司 | 基于影像的对象追踪方法 |
CN112287875B (zh) * | 2020-11-16 | 2023-07-25 | 北京百度网讯科技有限公司 | 异常车牌识别方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201773466U (zh) * | 2009-09-09 | 2011-03-23 | 深圳辉锐天眼科技有限公司 | 物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置 |
CN104050665A (zh) * | 2014-06-10 | 2014-09-17 | 华为技术有限公司 | 一种视频图像中前景停留时间的估计方法及装置 |
US20160117827A1 (en) * | 2014-10-27 | 2016-04-28 | Hanwha Techwin Co.,Ltd. | Apparatus and method for visualizing loitering objects |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0628449B2 (ja) * | 1985-12-10 | 1994-04-13 | 松下電工株式会社 | 侵入監視装置 |
US8711217B2 (en) | 2000-10-24 | 2014-04-29 | Objectvideo, Inc. | Video surveillance system employing video primitives |
JP2008035095A (ja) * | 2006-07-27 | 2008-02-14 | Sony Corp | 監視装置、監視システム、監視方法及びプログラム |
JP2008083933A (ja) * | 2006-09-27 | 2008-04-10 | Sogo Keibi Hosho Co Ltd | 不審者判定装置、不審者判定方法および不審者判定プログラム |
MY150414A (en) * | 2009-12-21 | 2014-01-15 | Mimos Berhad | Method of determining loitering event |
MY159285A (en) | 2010-11-29 | 2016-12-30 | Mimos Berhad | System and method to detect loitering event in a region |
MY161490A (en) | 2010-12-01 | 2017-04-14 | Mimos Berhad | A system and method to detect human loitering activity using trajectory information |
MY159290A (en) * | 2010-12-02 | 2016-12-30 | Mimos Berhad | A system and a method for detecting a loitering event |
JP5691849B2 (ja) * | 2011-05-31 | 2015-04-01 | 三菱電機株式会社 | 注視者検知装置 |
US10769913B2 (en) | 2011-12-22 | 2020-09-08 | Pelco, Inc. | Cloud-based video surveillance management system |
FI20125279L (fi) | 2012-03-14 | 2013-09-15 | Mirasys Business Analytics Oy | Menetelmä, järjestely ja tietokoneohjelmatuote videoitujen kohteiden käyttäytymisessä esiintyvien säännönmukaisuuksien analysoimiseksi |
JP5924081B2 (ja) * | 2012-03-30 | 2016-05-25 | サクサ株式会社 | 置き去り又は持ち去り検知システム |
US9245276B2 (en) * | 2012-12-12 | 2016-01-26 | Verint Systems Ltd. | Time-in-store estimation using facial recognition |
KR101454644B1 (ko) | 2013-04-30 | 2014-10-27 | 순천향대학교 산학협력단 | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 |
JP6562752B2 (ja) * | 2015-07-30 | 2019-08-21 | キヤノン株式会社 | 情報処理装置とその制御方法、プログラム、記憶媒体 |
EP3392852A4 (en) * | 2015-12-16 | 2019-08-21 | Nec Corporation | INTRUSION DETECTION DEVICE, SETTING ASSIST DEVICE, INTRUSION DETECTION METHOD, SETTING ASSIST METHOD, AND PROGRAM RECORDING MEDIUM |
-
2017
- 2017-12-19 EP EP17208476.6A patent/EP3502952B1/en active Active
-
2018
- 2018-11-20 KR KR1020180143442A patent/KR102175373B1/ko active IP Right Grant
- 2018-11-27 TW TW107142259A patent/TWI756497B/zh active
- 2018-12-06 US US16/211,271 patent/US10748011B2/en active Active
- 2018-12-13 JP JP2018233841A patent/JP6893204B2/ja active Active
- 2018-12-14 CN CN201811533686.5A patent/CN109934217B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201773466U (zh) * | 2009-09-09 | 2011-03-23 | 深圳辉锐天眼科技有限公司 | 物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置 |
CN104050665A (zh) * | 2014-06-10 | 2014-09-17 | 华为技术有限公司 | 一种视频图像中前景停留时间的估计方法及装置 |
US20160117827A1 (en) * | 2014-10-27 | 2016-04-28 | Hanwha Techwin Co.,Ltd. | Apparatus and method for visualizing loitering objects |
Also Published As
Publication number | Publication date |
---|---|
CN109934217A (zh) | 2019-06-25 |
KR20190074210A (ko) | 2019-06-27 |
KR102175373B1 (ko) | 2020-11-06 |
US10748011B2 (en) | 2020-08-18 |
TW201928896A (zh) | 2019-07-16 |
JP2019135640A (ja) | 2019-08-15 |
US20190188487A1 (en) | 2019-06-20 |
EP3502952B1 (en) | 2020-10-14 |
EP3502952A1 (en) | 2019-06-26 |
JP6893204B2 (ja) | 2021-06-23 |
CN109934217B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI756497B (zh) | 用於偵測遊蕩事件的方法、設備及系統 | |
US9292939B2 (en) | Information processing system, information processing method and program | |
GB2575282A (en) | Event entity monitoring network and method | |
US20160110978A1 (en) | Gps directed intrusion system with data acquisition | |
JP2011233133A (ja) | 万引き防止システム | |
JP2009017416A (ja) | 監視装置及び監視方法及びプログラム | |
JP2006011728A (ja) | 不審者対策システム及び不審者検出装置 | |
KR20160049391A (ko) | 로이터링 시각화 장치 및 방법 | |
KR20150051630A (ko) | 사람들의 움직임 불규칙성을 이용한 폭력 행위 검출 장치 및 방법 | |
JP2013150320A (ja) | ビデオエピソードの閲覧及び検索のためのシステム及び方法 | |
JP2012243128A (ja) | 監視装置、監視方法及び監視プログラム | |
Saon et al. | Cloud-based people counter | |
KR102317628B1 (ko) | 이벤트 태깅 기반 상황인지 방법 및 그 시스템 | |
CN107437314A (zh) | 人员入侵检测检测系统 | |
CN104050785A (zh) | 基于虚拟化边界与人脸识别技术的安全警戒方法 | |
JP2019135640A5 (zh) | ||
CN108111802B (zh) | 视频监控方法及装置 | |
JP2017118319A (ja) | 映像検索システム | |
JP2009506468A (ja) | イベント検出に関する改善 | |
Baba et al. | Stray dogs behavior detection in urban area video surveillance streams | |
US10878245B2 (en) | Video content activity regions | |
CN111325937A (zh) | 翻越行为检测方法、装置和电子系统 | |
JP2012174058A (ja) | 特定事象検出装置、システム、方法及びプログラム | |
TWI706381B (zh) | 影像物件偵測方法及系統 | |
KR20220154473A (ko) | 영상 내 가상 검지선을 이용한 외부 침입 방지 시스템 |