TWI771857B - 判斷人員進出場域的系統、方法及記錄媒體 - Google Patents

判斷人員進出場域的系統、方法及記錄媒體 Download PDF

Info

Publication number
TWI771857B
TWI771857B TW110100209A TW110100209A TWI771857B TW I771857 B TWI771857 B TW I771857B TW 110100209 A TW110100209 A TW 110100209A TW 110100209 A TW110100209 A TW 110100209A TW I771857 B TWI771857 B TW I771857B
Authority
TW
Taiwan
Prior art keywords
detection result
person
region
area
event detection
Prior art date
Application number
TW110100209A
Other languages
English (en)
Other versions
TW202211170A (zh
Inventor
張書馨
楊耀欽
蘇奕宇
呂坤憲
Original Assignee
財團法人工業技術研究院
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 財團法人工業技術研究院 filed Critical 財團法人工業技術研究院
Priority to CN202110710152.0A priority Critical patent/CN114202735A/zh
Publication of TW202211170A publication Critical patent/TW202211170A/zh
Application granted granted Critical
Publication of TWI771857B publication Critical patent/TWI771857B/zh

Links

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
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • 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
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • 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
    • 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
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • 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)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本揭露的一實施例提供一種判斷人員進出場域的方法， 具有以下步驟。設定對應於出入口的事件偵測區，其中所述事件偵測區包括上邊界、下邊界及內部區域，所述下邊界包括左側邊界、右側邊界及底部邊界；偵測與追蹤影像串流中對應於人員的人員影像；依據第一偵測結果及第二偵測結果判斷所述人員通過或未通過所述出入口。

Description

判斷人員進出場域的系統、方法及記錄媒體
本發明是有關於一種影像分析技術，且特別是有關於一種判斷人員進出場域的系統、方法及記錄媒體。
人流計算技術已廣泛被使用於許多實際應用場景，例如公共場所之出入口人數統計、限制區域之人員進出管理等，這些應用場景的人流資料可為安全、行銷營運、服務品質、資源配置等提供有用的訊息。傳統上，常見計算從出入口進出的人員數量的方法例如為利用人工，或者在出入口設置紅外線、無線射頻辨識（Radio Frequency Identification，RFID）等感應器來計算進出場人數。以人工計算進出場人數需要使用人力，利用紅外線計算進出場人數無法區分多人並行或非人物體進出等狀況，而利用無線射頻辨識計算進出場人數需要人員配合攜帶RFID標籤（RFID Tag）。然而，人工計算可能會因計算人員疲勞而漏算人數，而利用紅外線或無線射頻辨識也可能會因為大量人員進出或人員未攜帶RFID標籤等狀況而漏算人數。因此，上述方法會發生計算不精確的情形。
隨著科技的進步，攝影機獲取的影像不再侷限於影像的保存，更可以進一步分析影像內容，進而對影像中的物體進行偵測、追蹤及定位。因此，現有的人流計算技術開始採用分析攝影機影像畫面方式進行自動化偵測。一般而言，在利用攝影機畫面偵測人員進出場之前，須於攝影機畫面相應於場域出入口設定一條界線，並藉由足部或頭部穿越界線來計算人數。然而，在人潮擁擠的情況下，藉由足部判斷進出場常因下半身被遮蔽使得足部影像未出現在畫面而導致無法正確偵測。此外，藉由頭部判斷進出場則對人員身高差異的忍受度較差。基此，如何發展能更精確地計算進出場人數的技術為本領域技術人員所致力的課題。
本揭露提供一種判斷人員進出場域的系統、方法及記錄媒體，可降低偵測人員進出場的誤判率，並提升判斷準確率。
本揭露的一實施例提供一種判斷人員進出場域的系統。所述系統包括攝影機以及處理器。所述攝影機設置於高處以俯角拍攝出入口，並同步輸出影像串流。所述處理器耦接至所述攝影機。所述處理器經配置以接收所述影像串流，並且設定對應於所述出入口的事件偵測區，其中所述事件偵測區包括上邊界、下邊界及內部區域，所述下邊界包括左側邊界、右側邊界及底部邊界。所述處理器經配置以偵測與追蹤所述影像串流中對應於人員的人員影像，所述人員影像可以是全身影像或部分影像。所述處理器經配置以依據第一偵測結果及第二偵測結果判斷所述人員通過或未通過所述出入口。所述第一偵測結果指示對應至所述人員影像的候選區域首次出現的座標位置位於所述內部區域，並且所述第二偵測結果指示所述候選區域通過所述下邊界離開所述事件偵測區時，所述處理器判斷所述人員通過所述出入口。所述第一偵測結果指示所述候選區域從所述事件偵測區以外通過所述下邊界進入所述內部區域，並且所述第二偵測結果指示所述候選區域消失的座標位置位於所述內部區域時，該處理器判斷所述人員通過所述出入口。
本揭露的一實施例提供一種判斷人員進出場域的方法，適用於包括攝影機及處理器的系統，其中所述攝影機設置於高處以俯角拍攝出入口並同步輸出影像串流，其中所述處理器接收所述影像串流，所述方法包括以下步驟：設定對應於所述出入口的事件偵測區，其中所述事件偵測區包括上邊界、下邊界及內部區域，所述下邊界包括左側邊界、右側邊界及底部邊界；偵測與追蹤所述影像串流中對應於人員的人員影像，所述人員影像可以是全身影像或部分影像；以及依據第一偵測結果及第二偵測結果判斷所述人員通過或未通過所述出入口。所述第一偵測結果指示對應至所述人員影像的候選區域首次出現的座標位置位於所述內部區域，並且所述第二偵測結果指示所述候選區域通過所述下邊界離開所述事件偵測區時，所述處理器判斷所述人員通過所述出入口。所述第一偵測結果指示所述候選區域從所述事件偵測區以外通過所述下邊界進入所述內部區域，並且所述第二偵測結果指示所述候選區域消失的座標位置位於所述內部區域時，該處理器判斷所述人員通過所述出入口。
本揭露的一實施例提供一種非暫態電腦可讀取記錄媒體。所述非暫態電腦可讀取記錄媒體包括至少一程式指令。當電子裝置載入所述至少一程式指令並執行後，可完成上述之判斷人員進出場域的方法。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之一較佳實施例的詳細說明中，將可清楚的呈現。以下實施例中所提到的方向用語，例如：上、下、左、右、前或後等，僅是參考附加圖式的方向。因此，使用的方向用語是用來說明並非用來限制本發明。
圖1繪示本揭露一實施例判斷人員進出場域的系統的方塊圖。請參照圖1，判斷人員進出場域的系統100具有攝影機110、儲存裝置120以及處理器130。
攝影機110用以擷取影像，其可以是採用電荷耦合元件（charge coupled device, CCD）、互補性氧化金屬半導體（Complementary Metal-Oxide Semiconductor，CMOS）元件或其他元件鏡頭的攝影機。或者，攝影機110也可以是具有深度資訊能力的影像擷取設備，例如深度攝影機（depth camera）或立體攝影機（stereoscopic camera）。於此，攝影機110可以採用任何型號及任何品牌發行的攝影機所實現，本揭露不限於此。
儲存裝置120用以儲存系統100執行時所需的各類程式碼與資料。儲存裝置120例如但不限於，以任何型態的固定或可移動隨機存取記憶體（Random Access Memory，RAM）、唯讀記憶體（Read-Only Memory，ROM）、快閃記憶體（flash memory）、硬碟（Hard Disk Drive，HDD）、固態硬碟（Solid State Drive，SSD）或類似元件或上述元件的組合所實現，且本揭露不限於此。
處理器130例如是中央處理單元（Central Processing Unit，CPU），或是其他可程式化之一般用途或特殊用途的微處理器（Microprocessor）、數位訊號處理器（Digital Signal Processor，DSP）、可程式化控制器、特殊應用積體電路（Application Specific Integrated Circuits，ASIC）、可程式化邏輯裝置（Programmable Logic Device，PLD）或其他類似裝置或這些裝置的組合，且本揭露不限於此。處理器130連接攝影機110以及儲存裝置120，用以接收來自攝影機110的影像、存取儲存裝置120的程式碼與資料、對資料運算與處理等，以完成系統100所需的各類運算。此外，處理器130依特定需求可驅動顯示器或網路介面，將影像及資料運算處理結果顯示於顯示器或傳送至網路，且本揭露不限於此。
在本揭露的一實施例中，系統100的攝影機110會以外接的方式有線或無線地連接於處理器130，或者是，儲存裝置120與處理器130會被配置在攝影機110當中，並連接於攝影機110的各類電性元件，本揭露不限於此。
圖2繪示本揭露一實施例的情境示意圖。請參照圖2，攝影機110可設置於高處以俯角拍攝出入口5，並同步輸出對應於攝影機110的視野範圍（field of view，FOV）20的影像串流至處理器130。此時，攝影機110的光軸（optical axis）指向水平線以下，並與水平線形成夾角來拍攝出入口5。此設置常見於一般場域的出入口監視器。在本實施例中，出入口5的左右兩側以不透明牆分隔場域內和場域外，攝影機110可設置於場域內或場域外。不透明牆泛指能擋住出入口5左右兩側視線的不透明物，在此不限定是直立的牆面。
圖3繪示本揭露一實施例判斷人員進出場域的方法的流程圖。本實施例的方法至少適用於上述的系統100，然本揭露不限於此。請同時參照圖1至3，以下即搭配系統100的各項裝置及元件說明本實施例的判斷人員進出場域的方法的詳細步驟。
在步驟S302，處理器130經配置以接收影像串流，並且設定對應於出入口的事件偵測區。具體來說，處理器130會事先設定對應於影像圖框的事件偵測區。事件偵測區包括邊界及內部區域，其例如是矩形、梯形、多邊形、橢圓形或是其他幾何形狀，本揭露不限於此。此外，處理器130還會根據真實世界中人員的身體參數及出入口與牆壁的邊界來設定事件偵測區。舉例來說，處理器130可以通過輸入裝置（未繪示）接收使用者輸入的人員的身體參數，並自動辨識影像圖框中的出入口來計算出影像圖框中的事件偵測區。或者是，處理器130也可以從儲存裝置120讀取事件偵測區的座標設定檔，本揭露不限於此。
圖4繪示本揭露一實施例的事件偵測區的示意圖。請參照圖4。當攝影機設置於高處以俯角朝出入口5拍攝時，影像串流包括的影像圖框401可涵蓋出入口5及牆面4011、地板4012等景物。牆面4011為不透明的牆壁，可遮蔽出入口5外的人員。由於攝影機是以俯角拍攝，若出入口5在真實世界中為矩形，在影像圖框401中則會呈現如圖4所繪示上寬下窄的梯形。在本實施例中，處理器130會設置對應於出入口5的事件偵測區40。舉例來說，事件偵測區40包括上邊界41、下邊界及內部區域45。內部區域45是由上邊界41與下邊界共同圍起來的封閉區域，並且下邊界包括左側邊界42、右側邊界43及底部邊界44。在本實施例中，事件偵測區40的左上角座標為(x1 , y1 )、右上角座標為(x4 , y1 )、左下角座標為(x2 , y2 )以及右下角座標為(x3 , y2 )。需說明的是，下邊界亦可根據出入口的形狀而設定為半圓弧形或是任何可以與上邊界圍出具有面積的封閉區域的線條，本揭露不限於此。
此外，處理器130會根據真實世界中人員的身體參數及出入口5與牆壁的邊界來設定事件偵測區40。詳細而言，處理器130會依據第一預設高度設定上邊界41在影像圖框401中的高度位置，並依據第二預設高度設定底部邊界44在影像圖框401中的高度位置。在本實施例中，第一預設高度為預期會偵測到身高最高（例如，200公分）的人員的身高。第二預設高度為預期會偵測到身高最矮（例如，100公分）的人員的身高。處理器130會設定上邊界41在影像圖框401中的高度位置高於該第一預設高度在影像圖框401中對應的高度，使得任何人（即便是最高人員）站立於出入口前方或牆內（即，與攝影機所在位置同側），其對應的頭部基準點必定低於上邊界41。並且處理器130會設定底部邊界44在影像圖框401中的高度位置低於該第二預設高度在影像圖框401中對應的高度，使得任何人（即便是最矮人員）站立於出入口後方或牆外（即，與攝影機所在位置不同側），其對應的頭部基準點必定高於底部邊界44。也就是說，處理器130會根據真實世界中的人員身高範圍決定第一預設高度和第二預設高度。
另外，參照圖4，出入口5可包括左側牆壁及右側牆壁，其中左側牆壁對應一左側邊緣線，右側牆壁對應一右側邊緣線。處理器130可依據左側邊緣線和右側邊緣線來設定左側邊界42及右側邊界43。在本實施例中，處理器130設定左側邊界42在左側邊緣線的左方且與該左側邊緣線距離預設頭部寬度範圍d，並且設定右側邊界43在右側邊緣線的右方且與該右側邊緣線距離預設頭部寬度範圍d。於此，預設頭部寬度範圍d介於人員的頭部在影像圖框401中對應的寬度w（例如，30像素）乘以最大倍數和最小倍數之間，在一實施例中，預設頭部寬度範圍為：0.5w＜d＜4w。
需說明的是，人員影像的身高或頭部寬度、第一預設高度、第二預設高度在影像圖框中對應的高度以及預設頭部寬度範圍可以採用距離單位（例如，公分、公厘）來表示，也可以採用影像像素（Pixel）為單位，本揭露不限於此。處理器130會自動將所有參數、變數轉換成為同一單位。舉例來說，在一實施例中，1公分相當於37.795275591像素。處理單元130即能據此而使所有的參數、變數在公分與像素之間轉換。
在一實施例中，處理器130會在影像圖框中標示事件偵測區40，並透過顯示器顯示。在另一實施例中，處理器130還會以在影像圖框中標示第一預設高度及第二預設高度，並透過顯示器顯示。換句話說，處理器130可在影像圖框中標示任何關連於事件偵測區40的幾何形狀及參數，本揭露不限於此。
在步驟S304，處理器130經配置以偵測與追蹤影像串流中對應於人員的人員影像。具體而言，處理器130會讀取影像串流中的連續影像圖框，並且偵測與追蹤連續影像圖框中對應至人員影像的候選區域。於此，處理器130可針對影像圖框進行人形偵測，以定義出候選區域，並且定義候選區域的頂部中心點為頭部基準點。在本實施例中，處理器130可以是偵測人員的全身影像或部分影像（例如，頭部），並且偵測的人員數量可以是一個或多個。
詳細而言，處理器130可藉由電腦視覺或深度學習（Deep Learning）模型來進行人形偵測，以偵測出影像圖框中的人員影像。例如，深度學習模型是由卷積神經網路（Convolution Neural Network，CNN）等學習網路實作，本揭露不限於此。卷積神經網路是由至少一個卷積層（Convolution Layer）、至少一個池化層（Pooling Layer）以及至少一個的全連接層（Fully connected layer）所構成。卷積神經網路的前段通常由卷積層與池化層串聯或並聯而成，並用來擷取影像的特徵值。此特徵值可以是多維陣列，可視為代表影像的特徵向量。卷積神經網路的後段包括全連接層。全連接層會根據經由卷積層與池化層所產生的特徵值來將影像中的物件進行分類，並且可以取得對應於所辨識出的物件的物件資訊。物件資訊包括用於圈選出所辨識出的物件的邊界框（Bounding Box），且物件資訊還包括所辨識出的物件的種類。在本實施例中，卷積運算的方法可分別由所屬技術領域的任一種卷積運算的步驟來加以實施，本揭露並不加以限制。其詳細步驟及其實施方式可以由所屬技術領域的通常知識獲致足夠的教示、建議與實施說明，因此不再贅述。
接著，在偵測出影像圖框中的人員影像之後，處理器130可定義出對應至人員影像的候選區域。例如，處理器130可定義邊界框為候選區域。處理器130會設定候選區域關連於特定人員影像，且候選區域的尺寸至少足以包圍對應的人員影像。其中，候選區域可包括頭部基準點。若候選區域對應至人員的全身影像，頭部基準點的位置可以是候選區域上邊界的中央點或是上邊界的任一點。若候選區域對應至人員的頭部影像，頭部基準點的位置可以是候選區域上邊界的中央點、上邊界的任一點或是候選區域的中心點，本揭露不限於此。
圖5繪示本揭露一實施例的候選區域的示意圖。請參照圖5，影像圖框501包括人員影像50及對應至人員影像50的候選區域51，並且處理器130設定候選區域51上邊界的中央點為頭部基準點P1。
在本實施例中，處理器130還會追蹤人員的移動。例如，處理器130可採用各種習知的物件追蹤（Object Tracking）技術來追蹤關連於相同人員的候選區域，或者藉由分析先前影像圖框與當前影像圖框中候選區域的位置之間的關連來追蹤候選區域以判斷人員的移動，然本揭露不限於此。追蹤人員移動的詳細步驟及其實施方式可以由所屬技術領域的通常知識獲致足夠的教示、建議與實施說明，因此不再贅述。
回到圖3，在步驟S306，處理器130經配置以依據第一偵測結果及第二偵測結果判斷人員通過或未通過出入口。在本實施例中，處理器130追蹤人員影像以產生對應的候選區域的追蹤軌跡，且處理器130根據追蹤軌跡判斷至少兩個偵測結果。具體而言，處理器130會追蹤對應至相同人員的人員影像，並根據候選區域的追蹤軌跡產生第一偵測結果以及第二偵測結果。並且，處理器130依據第一偵測結果以及第二偵測結果判斷該人員通過或未通過出入口。在此，處理器130可以是追蹤對應至相同人員的全身影像或部分影像以產生頭部基準點的軌跡，本揭露不限於此。
本實施例以頭部基準點為例進行詳細說明。請參照圖4，基於本揭露設定的事件偵測區40，每個人員影像的候選區域可以以下六種方式進入或離開事件偵測區40：
方式1：頭部基準點從事件偵測區40以外通過上邊界41進入內部區域45。
方式2：頭部基準點從內部區域45通過上邊界41離開事件偵測區40。
方式3：頭部基準點從事件偵測區40以外通過下邊界（左側邊界42、右側邊界43或底部邊界44）進入內部區域45。
方式4：頭部基準點從內部區域45通過下邊界（左側邊界42、右側邊界43或底部邊界44）離開事件偵測區40。
方式5：頭部基準點首次出現的座標位置位於內部區域45。
方式6：頭部基準點消失的座標位置位於內部區域45。
據此，處理器130根據追蹤軌跡產生的第一偵測結果可以是以上六種方式當中進入事件偵測區40的方式1、方式3、或方式5的其中之一，第二偵測結果可以是以上六種方式當中離開事件偵測區40的方式2、方式4、或方式6的其中之一。處理器130可根據追蹤軌跡判斷頭部基準點依序發生以上進入事件偵測區40的三種方式和離開事件偵測區40的三種方式當中的兩兩組合，以判斷人員通過或未通過出入口。基於上述對應於事件偵測區40的六種進出方式當中的三種進入方式和三種離開方式，兩兩組合後可產生以下九種事件：
需先說明的是，在以下事件1~9中，所謂頭部基準點消失表示處理器130在影像圖框中未繼續追蹤到關連於相同人員的人員影像，因此無法繼續提供對應於此人員影像的候選區域及頭部基準點。再者，所謂頭部基準點於影像圖框中首次出現表示處理器130在影像圖框中首次偵測到關連於人員的人員影像，因此產生對應於此人員影像的候選區域及頭部基準點。
事件1：請參照圖6A，圖6A繪示本揭露一實施例基於第一進入方式的事件的示意圖。在影像圖框601中，頭部基準點P1及頭部基準點P2分別表示處理器130偵測到對應至相同人員的人員影像的先前頭部基準點及當前頭部基準點。事實上，頭部基準點P1和頭部基準點P2分別代表處理器130追蹤人員影像的過程中，當對應的候選區域進入事件偵測區40和當對應的候選區域離開事件偵測區40的兩個時間點，人員影像的頭部基準點對應該兩個時間點的座標位置。換句話說，頭部基準點P1表示人員影像的先前座標位置，頭部基準點P2表示人員影像的當前座標位置，以下事件2~9亦同。在事件1中，第一偵測結果為頭部基準點P1從事件偵測區40以外通過上邊界41進入內部區域45，且第二偵測結果為頭部基準點P2通過上邊界41離開事件偵測區40。
事件2：請參照圖6B，圖6B繪示本揭露一實施例基於第一進入方式的事件的示意圖。在影像圖框602中，第一偵測結果為頭部基準點P1從事件偵測區40以外通過上邊界41進入內部區域45，且第二偵測結果為頭部基準點P2消失的座標位置位於內部區域45。
事件3：請參照圖6C，圖6C繪示本揭露一實施例基於第一進入方式的事件的示意圖。在影像圖框603中，第一偵測結果為頭部基準點P1從事件偵測區40以外通過上邊界41進入內部區域45，且第二偵測結果為頭部基準點P2通過下邊界（左側邊界42、右側邊界43或底部邊界44）離開事件偵測區40。
事件4：請參照圖6D，圖6D繪示本揭露一實施例基於第二進入方式的事件的示意圖。在影像圖框604中，第一偵測結果為頭部基準點P1首次出現的座標位置位於內部區域45，且第二偵測結果為頭部基準點P2通過上邊界41離開事件偵測區40。
事件5：請參照圖6E，圖6E繪示本揭露一實施例基於第二進入方式的事件的示意圖。在影像圖框605中，第一偵測結果為頭部基準點P1首次出現的座標位置位於內部區域45，且第二偵測結果為頭部基準點P2消失的座標位置位於內部區域45。
事件6：請參照圖6F，圖6F繪示本揭露一實施例基於第二進入方式的事件的示意圖。在影像圖框606中，第一偵測結果為頭部基準點P1首次出現的座標位置位於內部區域45，且第二偵測結果為頭部基準點P2通過下邊界（左側邊界42、右側邊界43或底部邊界44）離開事件偵測區40。
事件7：請參照圖6G，圖6G繪示本揭露一實施例基於第三進入方式的事件的示意圖。在影像圖框607中，第一偵測結果為頭部基準點P1從事件偵測區40以外通過下邊界（左側邊界42、右側邊界43或底部邊界44）進入內部區域45，且第二偵測結果為頭部基準點P2通過上邊界41離開事件偵測區40。
事件8：請參照圖6H，圖6H繪示本揭露一實施例基於第三進入方式的事件的示意圖。在影像圖框608中，第一偵測結果為頭部基準點P1從事件偵測區40以外通過下邊界（左側邊界42、右側邊界43或底部邊界44）進入內部區域45，且第二偵測結果為頭部基準點P2消失的座標位置位於內部區域45。
事件9：請參照圖6I，圖6I繪示本揭露一實施例基於第三進入方式的事件的示意圖。在影像圖框609中，第一偵測結果為頭部基準點P1從事件偵測區40以外通過下邊界（左側邊界42、右側邊界43或底部邊界44）進入內部區域45，且第二偵測結果為頭部基準點P2通過下邊界（左側邊界42、右側邊界43或底部邊界44）離開事件偵測區40。
回到圖3，在步驟S306，處理器130在上述事件1、2、4、5、9時，判斷人員未通過出入口。並且處理器130在上述事件3、6、7、8時，判斷人員通過出入口。
結合上述事件1、2、4、5，也就是說，當第一偵測結果為頭部基準點P1從事件偵測區40以外通過上邊界41進入內部區域45或頭部基準點P1首次出現的座標位置位於內部區域45，並且第二偵測結果為頭部基準點P2通過上邊界41離開該事件偵測區40或頭部基準點P2消失的座標位置位於內部區域45時，處理器130判斷人員未通過出入口。
以下舉不同實施例說明步驟S306人員通過或不通過出入口的判斷結果在現實場域的具體應用。
[第一實施例]
圖7繪示本揭露一實施例判斷人員進出場域的方法的流程圖。本實施例的方法至少適用於上述的系統100，然本揭露不限於此。請同時參照圖1、2，以下即搭配系統100的各項裝置及元件說明本實施例的判斷人員進出場域的方法的詳細步驟。在本實施例中，攝影機110設置在場域內。亦即，對應於出入口連接的場域內和場域外兩側，如果人員從與攝影機110同側經過出入口移動至與攝影機110不同側（出入口的另一側），處理器130會判斷人員出場。相反地，如果人員從與攝影機110不同側經過出入口移動至與攝影機110同側，處理器130會判斷人員入場。
請參圖7，在步驟S3061，處理器130判斷候選區域進入事件偵測區時頭部基準點是否通過下邊界進入事件偵測區。例如，步驟S3061的判斷結果為第一偵測結果，可參照前述進出方式1、3、5。若處理器130判斷候選區域進入事件偵測區時頭部基準點未通過下邊界進入事件偵測區（步驟S3061，判斷為否），則在步驟S3062，處理器130記錄此候選區域為入場候選狀態。接著，在步驟S3063，處理器130判斷候選區域離開事件偵測區時頭部基準點是否通過下邊界離開事件偵測區。例如，步驟S3063的判斷結果為第二偵測結果，可參照前述進出方式2、4、6。
若處理器130判斷候選區域離開事件偵測區時頭部基準點未通過下邊界離開事件偵測區（步驟S3063，判斷為否），則在步驟S3064，處理器130判斷人員的移動狀態為場外逗留。詳細來說，步驟S3064對應的判斷結果可對應至上述事件1、事件2、事件4及事件5。
如圖6A所示，頭部基準點P1從事件偵測區40以外通過上邊界41進入內部區域45，則記錄該頭部基準點P1對應的候選區域為入場候選狀態。之後，如果頭部基準點P2從內部區域45通過上邊界41離開事件偵測區40，則判斷為場外逗留。
如圖6B所示，頭部基準點P1從事件偵測區40以外通過上邊界41進入內部區域45，則記錄該頭部基準點P1對應的候選區域為入場候選狀態。之後，如果頭部基準點P2消失的座標位置位於內部區域45，則判斷為場外逗留。
如圖6D所示，頭部基準點P1首次出現的座標位置位於內部區域45，則記錄該頭部基準點P1對應的候選區域為入場候選狀態。之後，如果頭部基準點P2通過上邊界41離開事件偵測區40，則判斷為場外逗留。
如圖6E所示，頭部基準點P1首次出現的座標位置位於內部區域45，則記錄該頭部基準點P1對應的候選區域為入場候選狀態。之後，如果頭部基準點P2消失的座標位置位於內部區域45，則判斷為場外逗留。
回到圖7，若處理器130判斷候選區域離開事件偵測區時頭部基準點是通過下邊界離開事件偵測區（步驟S3063，判斷為是），則在步驟S3065，處理器130判斷人員的移動狀態為入場。詳細來說，步驟S3065對應的判斷結果可對應至上述事件3及事件6。
如圖6C所示，頭部基準點P1從事件偵測區40以外通過上邊界41進入內部區域45，則記錄該頭部基準點P1對應的候選區域為入場候選狀態。之後，如果頭部基準點P2通過下邊界（左側邊界42、右側邊界43或底部邊界44）離開事件偵測區40，則判斷為入場。
如圖6F所示，頭部基準點P1首次出現的座標位置位於內部區域45，則記錄該頭部基準點P1對應的候選區域為入場候選狀態。之後，如果頭部基準點P2通過下邊界（左側邊界42、右側邊界43或底部邊界44）離開事件偵測區40，則判斷為入場。
若處理器130判斷候選區域進入事件偵測區時頭部基準點是通過下邊界進入事件偵測區（步驟S3061，判斷為是），則在步驟S3066，處理器130記錄此候選區域為出場候選狀態。接著，在步驟S3067，處理器130判斷候選區域離開事件偵測區時頭部基準點是否通過下邊界離開事件偵測區。例如，步驟S3067的判斷結果為第二偵測結果，可參照前述進出方式2、4、6。
回到圖7，若處理器130判斷候選區域離開事件偵測區時頭部基準點未通過下邊界離開事件偵測區（步驟S3067，判斷為否），則在步驟S3068，處理器130判斷人員的移動狀態為出場。詳細來說，步驟S3068對應的判斷結果可對應至上述事件7及事件8。
如圖6G所示，頭部基準點P1從事件偵測區40以外通過下邊界（左側邊界42、右側邊界43或底部邊界44）進入內部區域45，則記錄該頭部基準點P1對應的候選區域為出場候選狀態。之後，如果頭部基準點P2通過上邊界41離開事件偵測區40，則判斷為出場。
如圖6H所示，頭部基準點P1從事件偵測區40以外通過下邊界（左側邊界42、右側邊界43或底部邊界44）進入內部區域45，則記錄該頭部基準點P1對應的候選區域為出場候選狀態。之後，如果頭部基準點P2消失的座標位置位於內部區域45，則判斷為出場。
回到圖7，若處理器130判斷候選區域離開事件偵測區時頭部基準點是通過下邊界離開事件偵測區（步驟S3067，判斷為是），則在步驟S3069，處理器130判斷人員的移動狀態為場內逗留。詳細來說，步驟S3069對應的判斷結果可對應至上述事件9。
如圖6I所示，頭部基準點P1從事件偵測區40以外通過下邊界（左側邊界42、右側邊界43或底部邊界44）進入內部區域45，則記錄該頭部基準點P1對應的候選區域為出場候選狀態。之後，如果頭部基準點P2通過下邊界（左側邊界42、右側邊界43或底部邊界44）離開事件偵測區40，則判斷為場內逗留。
[第二實施例]
在本實施例中，攝影機110設置在場域外。亦即，對應於出入口連接的場域內和場域外兩側，如果人員從與攝影機110同側經過出入口移動至與攝影機110不同側（出入口的另一側），處理器130會判斷人員入場。相反地，如果人員從與攝影機110不同側經過出入口移動至與攝影機110同側，處理器130會判斷人員出場。本實施例的細節可參照前述第一實施例中的詳細說明，將第一實施例中的入場候選狀態替換為出場候選狀態、出場候選狀態替換為入場候選狀態、入場替換為出場、出場替換為入場，並且場外逗留替換為場內逗留、場內逗留替換為場外逗留，於此即不再贅述。
綜上所述，本揭露提供的判斷人員進出場域的系統、方法及記錄媒體可設定對應於出入口的事件偵測區，並根據設定好的事件偵測區判斷人員是否通過出入口，以進一步判斷人員的移動狀態為入場、出場或逗留。本揭露透過設置攝影機於高處並且根據人員影像的頭部基準點判斷進出場，避免人潮擁擠時人員下半身影像被遮蔽而無法根據足部影像位置判斷進出場。因此，本揭露可減少人潮擁擠的情境中偵測人員進出場的誤判率。
再者，本揭露針對身高較高的人員設定上邊界並針對身高較矮的人員設定底部邊界，可避免身高較高的人員站在出入口前方或牆內（與攝影機所在位置同側）時人員影像誤觸上邊界造成假陽性（false positive），以及避免身高較矮的人員站在出入口後方或牆外（與攝影機所在位置不同側）時人員影像低於底部邊界造成假陰性（false negative）。並且，本揭露設定左側邊界及右側邊界，可區分人員從出入口兩側進入出入口（對應的人員影像進入事件偵測區）前，此人員所在位置是與攝影機同側或不同側、以及人員從出入口兩側離開出入口（對應的人員影像離開事件偵測區）時，此人員所在位置是與攝影機同側或不同側，此判斷不受人員身高影響。因此，本揭露可降低人員身高差異明顯的情境中偵測人員進出場的誤判率。
最後，本揭露設定下邊界（包括左側邊界、右側邊界以及底部邊界）作為判斷影像中人員進出場域之依據，實際上已將人員進出場的判斷位置拉至與攝影機同側的位置（逆光緩和區）。例如，在攝影機架設於場域內的第一實施例中，當人員入場時，被追蹤的人員影像的頭部基準點在內部區域（逆光嚴重區）消失的所有事件均被視為場外逗留或經過（圖6B、圖6E），未列為進出場事件，因此不影響進出場判斷的準確率。僅當頭部基準點穿越下邊界（逆光緩和區）時據以判斷人員入場（圖6C、圖6F）。當人員出場時，被追蹤的人員影像的頭部基準點穿越下邊界（逆光緩和區）進入內部區域（逆光嚴重區），一旦頭部基準點消失（包括追蹤中斷）即判斷為人員出場（圖6H）。因此，本揭露可降低逆光干擾的情境中偵測人員進出場的誤判率。
基此，本揭露提供的判斷人員進出場域的系統、方法及記錄媒體可疊加在既有的監視系統上，便於整合人員屬性分析之相關應用服務。此外，也可降低人潮擁擠與人員身高差異明顯的情境中偵測人員進出場的誤判率，並提升判斷準確率。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100:系統 110:攝影機 120:儲存裝置 130:處理器 20:視野範圍 40:事件偵測區 41:上邊界 42:左側邊界 43:右側邊界 44:底部邊界 45:內部區域 401, 501, 601, 602, 603, 604, 605, 606, 607, 608, 609:影像圖框 4011:牆面 4012:地板 5:出入口 50:人員影像 51:候選區域 d:預設頭部寬度範圍 P1, P2:頭部基準點 S302~S306, S3061~S3069:步驟 (x1 , y1 ), (x2 , y2 ), (x4 , y1 ), (x3 , y2 ):座標
圖1繪示本揭露一實施例判斷人員進出場域的系統的方塊圖。 圖2繪示本揭露一實施例的情境示意圖。 圖3繪示本揭露一實施例判斷人員進出場域的方法的流程圖。 圖4繪示本揭露一實施例的事件偵測區的示意圖。 圖5繪示本揭露一實施例的候選區域的示意圖。 圖6A-6C繪示本揭露一實施例基於第一進入方式的事件的示意圖。 圖6D-6F繪示本揭露一實施例基於第二進入方式的事件的示意圖。 圖6G-6I繪示本揭露一實施例基於第三進入方式的事件的示意圖。 圖7繪示本揭露一實施例判斷人員進出場域的方法的流程圖。
S302~S306:步驟

Claims (21)

  1. 一種判斷人員進出場域的系統，包括： 一攝影機，設置於高處以一俯角拍攝一出入口，並同步輸出一影像串流；以及 一處理器，耦接至該攝影機，其中該處理器經配置以接收該影像串流，並且設定對應於該出入口的一事件偵測區，其中該事件偵測區包括一上邊界、一下邊界及一內部區域，該下邊界包括一左側邊界、一右側邊界及一底部邊界， 其中該處理器經配置以偵測與追蹤該影像串流中對應於一人員的一人員影像，該人員影像可以是一全身影像或一部份影像， 其中該處理器經配置以依據一第一偵測結果及一第二偵測結果判斷該人員通過或未通過該出入口， 其中該第一偵測結果指示對應至該人員影像的一候選區域首次出現的座標位置位於該內部區域，並且該第二偵測結果指示該候選區域通過該下邊界離開該事件偵測區時，該處理器判斷該人員通過該出入口， 其中該第一偵測結果指示該候選區域從該事件偵測區以外通過該下邊界進入該內部區域，並且該第二偵測結果指示該候選區域消失的座標位置位於該內部區域時，該處理器判斷該人員通過該出入口。
  2. 如請求項1所述的判斷人員進出場域的系統，其中對應至該人員影像的該候選區域包括一頭部基準點，並且該處理器經配置以根據該頭部基準點判斷該人員通過或未通過該出入口。
  3. 如請求項2所述的判斷人員進出場域的系統，其中該處理器經配置以針對該影像串流的影像圖框進行人形偵測，以定義出該候選區域，並且 該處理器經配置以定義該候選區域的頂部中心點為該頭部基準點。
  4. 如請求項1所述的判斷人員進出場域的系統，其中該處理器依據一第一預設高度設定該上邊界在一影像圖框中的高度位置，並且依據一第二預設高度設定該底部邊界在該影像圖框中的高度位置，其中該第一預設高度和該第二預設高度依據真實世界的人員身高範圍而決定。
  5. 如請求項1所述的判斷人員進出場域的系統，其中該出入口包括一左側牆壁，該左側牆壁對應一左側邊緣線，該左側邊界在該左側邊緣線的左方， 該出入口還包括一右側牆壁，該右側牆壁對應一右側邊緣線，該右側邊界在該右側邊緣線的右方。
  6. 如請求項5所述的判斷人員進出場域的系統，其中該左側邊界與該左側邊緣線的距離為一預設頭部寬度範圍，該右側邊界與該右側邊緣線的距離為該預設頭部寬度範圍。
  7. 如請求項1所述的判斷人員進出場域的系統，其中該第一偵測結果指示該候選區域從該事件偵測區以外通過該上邊界進入該內部區域，並且該第二偵測結果指示該候選區域通過該下邊界離開該事件偵測區時，該處理器判斷該人員通過該出入口， 其中該第一偵測結果指示該候選區域從該事件偵測區以外通過該下邊界進入該內部區域，並且該第二偵測結果指示該候選區域通過該上邊界離開該事件偵測區時，該處理器判斷該人員通過該出入口。
  8. 如請求項1所述的判斷人員進出場域的系統，其中該第一偵測結果指示該候選區域從該事件偵測區以外通過該上邊界進入該內部區域或該候選區域首次出現的座標位置位於該內部區域，並且該第二偵測結果指示該候選區域通過該上邊界離開該事件偵測區或該候選區域消失的座標位置位於該內部區域時，該處理器判斷該人員未通過該出入口， 其中該第一偵測結果指示該候選區域從該事件偵測區以外通過該下邊界進入該內部區域，並且該第二偵測結果指示該候選區域通過該下邊界離開該事件偵測區時，該處理器判斷該人員未通過該出入口。
  9. 如請求項2所述的判斷人員進出場域的系統，其中該出入口連接場域內和場域外，該攝影機設置於場域內，該處理器更依據該第一偵測結果及該第二偵測結果判斷該人員為入場或出場， 其中該第一偵測結果指示該候選區域進入該事件偵測區時該頭部基準點未通過該下邊界，並且該第二偵測結果指示該候選區域離開該事件偵測區時該頭部基準點通過該下邊界，該處理器判斷該人員為入場， 其中該第一偵測結果指示該候選區域進入該事件偵測區時該頭部基準點通過該下邊界，並且該第二偵測結果指示該候選區域離開該事件偵測區時該頭部基準點未通過該下邊界，該處理器判斷該人員為出場。
  10. 如請求項2所述的判斷人員進出場域的系統，其中該出入口連接場域內和場域外，該攝影機設置於場域外，該處理器更依據該第一偵測結果及該第二偵測結果判斷該人員為入場或出場， 其中該第一偵測結果指示該候選區域進入該事件偵測區時該頭部基準點未通過該下邊界，並且該第二偵測結果指示該候選區域離開該事件偵測區時該頭部基準點通過該下邊界，該處理器判斷該人員為出場， 其中該第一偵測結果指示該候選區域進入該事件偵測區時該頭部基準點通過該下邊界，並且該第二偵測結果指示該候選區域離開該事件偵測區時該頭部基準點未通過該下邊界，該處理器判斷該人員為入場。
  11. 一種判斷人員進出場域的方法，適用於包括攝影機及處理器的系統，其中該攝影機設置於高處以一俯角拍攝一出入口並同步輸出一影像串流，其中該處理器接收該影像串流，所述方法包括： 設定對應於該出入口的一事件偵測區，其中該事件偵測區包括一上邊界、一下邊界及一內部區域，該下邊界包括一左側邊界、一右側邊界及一底部邊界； 偵測與追蹤該影像串流中對應於一人員的一人員影像，該人員影像可以是一全身影像或一部份影像；以及 依據一第一偵測結果及一第二偵測結果判斷該人員通過或未通過該出入口，其中該第一偵測結果指示對應至該人員影像的一候選區域首次出現的座標位置位於該內部區域，並且該第二偵測結果指示該候選區域通過該下邊界離開該事件偵測區時，該處理器判斷該人員通過該出入口， 其中該第一偵測結果指示該候選區域從該事件偵測區以外通過該下邊界進入該內部區域，並且該第二偵測結果指示該候選區域消失的座標位置位於該內部區域時，該處理器判斷該人員通過該出入口。
  12. 如請求項11所述的判斷人員進出場域的方法，其中對應至該人員影像的該候選區域包括一頭部基準點，所述方法更包括： 根據該頭部基準點判斷該人員通過或未通過該出入口。
  13. 如請求項12所述的判斷人員進出場域的方法，其中所述方法更包括： 針對該影像串流的影像圖框進行人形偵測，以定義出該候選區域；以及 定義該候選區域的頂部中心點為該頭部基準點。
  14. 如請求項11所述的判斷人員進出場域的方法，其中設定對應於該出入口的該事件偵測區的步驟更包括： 依據第一預設高度設定該上邊界在一影像圖框中的高度位置，並且依據第二預設高度設定該底部邊界在該影像圖框中的高度位置，其中該第一預設高度和該第二預設高度依據真實世界的人員身高範圍而決定。
  15. 如請求項11所述的判斷人員進出場域的方法，其中該出入口包括一左側牆壁，該左側牆壁對應一左側邊緣線，該出入口還包括一右側牆壁，該右側牆壁對應一右側邊緣線，其中設定對應於該出入口的該事件偵測區的步驟更包括： 設定該左側邊界在該左側邊緣線的左方；以及 設定該右側邊界在該右側邊緣線的右方。
  16. 如請求項15所述的判斷人員進出場域的方法，其中設定對應於該出入口的該事件偵測區的步驟更包括： 設定該左側邊界與該左側邊緣線的距離為一預設頭部寬度範圍；以及 設定該右側邊界與該右側邊緣線的距離為該預設頭部寬度範圍。
  17. 如請求項11所述的判斷人員進出場域的方法，其中所述方法更包括： 該第一偵測結果指示該候選區域從該事件偵測區以外通過該上邊界進入該內部區域，並且該第二偵測結果指示該候選區域通過該下邊界離開該事件偵測區時，判斷該人員通過該出入口；以及 該第一偵測結果指示該候選區域從該事件偵測區以外通過該下邊界進入該內部區域，並且該第二偵測結果指示該候選區域通過該上邊界離開該事件偵測區時，判斷該人員通過該出入口。
  18. 如請求項11所述的判斷人員進出場域的方法，其中所述方法更包括； 該第一偵測結果指示該候選區域從該事件偵測區以外通過該上邊界進入該內部區域或該候選區域首次出現的座標位置位於該內部區域，並且該第二偵測結果指示該候選區域通過該上邊界離開該事件偵測區或該候選區域消失的座標位置位於該內部區域時，判斷該人員未通過該出入口；以及 該第一偵測結果指示該候選區域從該事件偵測區以外通過該下邊界進入該內部區域，並且該第二偵測結果指示該候選區域通過該下邊界離開該事件偵測區時，判斷該人員未通過該出入口。
  19. 如請求項12所述的判斷人員進出場域的方法，其中該出入口連接場域內和場域外，該攝影機設置於場域內，所述方法更包括： 依據該第一偵測結果及該第二偵測結果判斷該人員為入場或出場， 其中該第一偵測結果指示該候選區域進入該事件偵測區時該頭部基準點未通過該下邊界，並且該第二偵測結果指示該候選區域離開該事件偵測區時該頭部基準點通過該下邊界，判斷該人員為入場， 其中該第一偵測結果指示該候選區域進入該事件偵測區時該頭部基準點通過該下邊界，並且該第二偵測結果指示該候選區域離開該事件偵測區時該頭部基準點未通過該下邊界，判斷該人員為出場。
  20. 如請求項11所述的判斷人員進出場域的方法，其中該出入口連接場域內和場域外，該攝影機設置於場域外，所述方法更包括： 依據該第一偵測結果及該第二偵測結果判斷該人員為入場或出場， 其中該第一偵測結果指示該候選區域進入該事件偵測區時該頭部基準點未通過該下邊界，並且該第二偵測結果指示該候選區域離開該事件偵測區時該頭部基準點通過該下邊界，判斷該人員為出場， 其中該第一偵測結果指示該候選區域進入該事件偵測區時該頭部基準點通過該下邊界，並且該第二偵測結果指示該候選區域離開該事件偵測區時該頭部基準點未通過該下邊界，判斷該人員為入場。
  21. 一種非暫態電腦可讀取記錄媒體，該非暫態電腦可讀取記錄媒體包括至少一程式指令，當一電子裝置載入該至少一程式指令並執行後，可完成請求項11所述之方法。
TW110100209A 2020-09-03 2021-01-05 判斷人員進出場域的系統、方法及記錄媒體 TWI771857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110710152.0A CN114202735A (zh) 2020-09-03 2021-06-25 判断人员进出场域的系统、方法及存储介质

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202063074459P 2020-09-03 2020-09-03
US63/074,459 2020-09-03
US17/136,040 US11587325B2 (en) 2020-09-03 2020-12-29 System, method and storage medium for detecting people entering and leaving a field
US17/136,040 2020-12-29

Publications (2)

Publication Number Publication Date
TW202211170A TW202211170A (zh) 2022-03-16
TWI771857B true TWI771857B (zh) 2022-07-21

Family

ID=80356988

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110100209A TWI771857B (zh) 2020-09-03 2021-01-05 判斷人員進出場域的系統、方法及記錄媒體

Country Status (2)

Country Link
US (1) US11587325B2 (zh)
TW (1) TWI771857B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI838236B (zh) * 2023-05-02 2024-04-01 中國鋼鐵股份有限公司 人員偵測系統及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899574A (zh) * 2015-06-18 2015-09-09 东方网力科技股份有限公司 一种进出事件检测方法及系统
CN107437281A (zh) * 2016-05-27 2017-12-05 台北科技大学 结合无线检测与影像侦测的区域进出人员识别系统及方法
US10235854B2 (en) * 2014-08-19 2019-03-19 Sensormatic Electronics, LLC Tailgating detection in frictionless access control system

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7596241B2 (en) 2005-06-30 2009-09-29 General Electric Company System and method for automatic person counting and detection of specific events
US20080284593A1 (en) * 2007-05-17 2008-11-20 Sensormatic Electronics Corporation Method and system for power management of electronic article surveillance systems
EP2093698A1 (en) 2008-02-19 2009-08-26 British Telecommunications Public Limited Company Crowd congestion analysis
US8295545B2 (en) 2008-11-17 2012-10-23 International Business Machines Corporation System and method for model based people counting
US9226037B2 (en) * 2010-12-30 2015-12-29 Pelco, Inc. Inference engine for video analytics metadata-based event detection and forensic search
TWI448977B (zh) * 2011-12-08 2014-08-11 Ind Tech Res Inst 基於視訊分析的物件計數方法與裝置
JP2015512042A (ja) * 2012-02-29 2015-04-23 コーニンクレッカ フィリップス エヌ ヴェ 区域内の人の存在を監視する装置、方法及びシステム
KR101557376B1 (ko) 2014-02-24 2015-10-05 에스케이 텔레콤주식회사 사람 계수 방법 및 그를 위한 장치
US9638800B1 (en) * 2016-11-22 2017-05-02 4Sense, Inc. Passive tracking system
CN106845383B (zh) * 2017-01-16 2023-06-06 腾讯科技（上海）有限公司 人头检测方法和装置
EP3379471A1 (en) * 2017-03-21 2018-09-26 Canon Kabushiki Kaisha Image processing apparatus, method of controlling image processing apparatus, and storage medium
US10187579B1 (en) 2017-06-30 2019-01-22 Polycom, Inc. People detection method for auto-framing and tracking in a video conference
JP7123545B2 (ja) * 2017-10-30 2022-08-23 キヤノン株式会社 情報処理装置、情報処理方法およびプログラム
CN112840233A (zh) * 2018-08-24 2021-05-25 路创技术有限责任公司 占用者检测装置
US10922830B2 (en) * 2018-12-19 2021-02-16 Zebra Technologies Corporation System and method for detecting a presence or absence of objects in a trailer
CN110135382B (zh) * 2019-05-22 2021-07-27 北京华捷艾米科技有限公司 一种人体检测方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10235854B2 (en) * 2014-08-19 2019-03-19 Sensormatic Electronics, LLC Tailgating detection in frictionless access control system
CN104899574A (zh) * 2015-06-18 2015-09-09 东方网力科技股份有限公司 一种进出事件检测方法及系统
CN107437281A (zh) * 2016-05-27 2017-12-05 台北科技大学 结合无线检测与影像侦测的区域进出人员识别系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI838236B (zh) * 2023-05-02 2024-04-01 中國鋼鐵股份有限公司 人員偵測系統及方法

Also Published As

Publication number Publication date
TW202211170A (zh) 2022-03-16
US11587325B2 (en) 2023-02-21
US20220067391A1 (en) 2022-03-03

Similar Documents

Publication Publication Date Title
JP6549797B2 (ja) 通行人の頭部識別方法及びシステム
WO2018209934A1 (zh) 基于时空约束的跨镜头多目标跟踪方法及装置
CN105518744B (zh) 行人再识别方法及设备
US9600760B2 (en) System and method for utilizing motion fields to predict evolution in dynamic scenes
US20130265434A1 (en) Image processing apparatus and image processing method
TW201118803A (en) Person-tracing apparatus and person-tracing program
JP2010198566A (ja) 人数計測装置、方法及びプログラム
US11288954B2 (en) Tracking and alerting traffic management system using IoT for smart city
KR101645959B1 (ko) 복수의 오버헤드 카메라와 사이트 맵에 기반한 객체 추적 장치 및 그 방법
WO2019220589A1 (ja) 映像解析装置、映像解析方法、及びプログラム
JP4288428B2 (ja) 映像解析システムおよび映像解析方法
Fradi et al. Spatio-temporal crowd density model in a human detection and tracking framework
CN114140745A (zh) 施工现场人员属性检测方法、系统、装置及介质
TWI493510B (zh) 跌倒偵測方法
Carletti et al. An efficient and effective method for people detection from top-view depth cameras
TWI771857B (zh) 判斷人員進出場域的系統、方法及記錄媒體
JP4465150B2 (ja) 基準点に対する物体の相対位置を測定するシステムおよび方法
CN111968158A (zh) 一种基于核相关滤波和结构相似性的视频抖动检测方法
Yang et al. Robust people detection and tracking in a multi-camera indoor visual surveillance system
CN110930432A (zh) 一种视频分析方法、装置及系统
CN112560557A (zh) 人数检测方法、人脸检测方法、装置及电子设备
KR101355206B1 (ko) 영상분석을 이용한 출입 계수시스템 및 그 방법
CN114202735A (zh) 判断人员进出场域的系统、方法及存储介质
CN108288261A (zh) 脸部照片的筛选方法及脸部辨识系统
CN112329665A (zh) 一种人脸抓拍系统