CN101421727A - 用于搜索图像信息的方法和软件程序 - Google Patents

用于搜索图像信息的方法和软件程序 Download PDF

Info

Publication number
CN101421727A
CN101421727A CNA2005800516989A CN200580051698A CN101421727A CN 101421727 A CN101421727 A CN 101421727A CN A2005800516989 A CNA2005800516989 A CN A2005800516989A CN 200580051698 A CN200580051698 A CN 200580051698A CN 101421727 A CN101421727 A CN 101421727A
Authority
CN
China
Prior art keywords
track
location point
video
search
trajectory
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CNA2005800516989A
Other languages
English (en)
Inventor
R·维恩霍芬
R·阿尔贝斯
E·雅斯佩斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN101421727A publication Critical patent/CN101421727A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/732—Query formulation
    • G06F16/7335—Graphical querying, e.g. query-by-region, query-by-sketch, query-by-trajectory, GUIs for designating a person/face/object as a query predicate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G06F16/786—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using motion, e.g. object motion or camera motion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

在建筑物、交通、私人家庭、超市等监视的领域广泛地使用视频***。对于一些应用，保存视频信息以供随后的读取或分析是很有用的。保存的数据容量随着视频***的视频相机数量和记录时间的增加而增加，因此需要视频数据库，其可以对相关的视频信息进行快速搜索。一种搜索图像信息的方法，包括下面的步骤：提取图片帧序列中关注对象的轨迹，其中通过图片帧中的第一组位置点表示该轨迹，预处理所提取的轨迹以得到经过预处理的轨迹，通过应用空间相关过滤算法来减少位置点的数量，其中用图片帧中的第二组位置点表示经过预处理的轨迹，存储所述经过预处理的轨迹到数据库中，对所述数据库中的所述经过预处理的轨迹数据应用搜索询问，并且还提出了一种对应的软件程序。

Description

用于搜索图像信息的方法和软件程序
技术领域
本发明涉及用于搜索图像信息的方法和软件程序，并且更具体的涉及用于监视目的的搜索图像信息的方法和软件程序。
背景技术
在对建筑物、交通、私人家庭、超级市场等监视的领域广泛地使用视频***。对于一些应用来说，保存视频信息以供随后访问或分析是很有用的。由于保存的数据容量随着视频***视频相机数量和记录时间的增加而增加，因此就需要可以对相关的视频信息进行快速搜索的视频数据库。
文献WO 00/45338公开了一种用于表示运动物体轨迹的***和方法，用于基于内容的索引和检索视觉动画数据。该***还标识视觉动画数据帧中的所选对象，并在二维或三维坐标空间中确定所选对象的轨迹。在下一步的高等级描述符中，其表示创建了对象的轨迹，并将该轨迹与视觉动画数据的原始序列合并，以创建“新的信号”。可以通过使得描述符中存储的轨迹信息与例如用户选择的轨迹描述标准相匹配，来搜索该新的信号。
文献WO 2005/050971 A2公开了一种视频监视***，其使用虚拟的拉线(tripwire)或是任意的形状。该视频监视***包括感应设备，诸如视频相机和计算机***。用户在视频相机采集的视频图像上绘出所述拉线，并在满足拉线规则的时候触发该视频监视***的特定反应。视频相机采集的视频数据可以在线处理或脱机处理。在所有情况下，将该拉线规则用于该视频数据上。
发明内容
本发明提出了一种具有权利要求1的特征的搜索图片图像信息的方法，以及具有权利要求10的特征的相应的计算机程序。本发明优选的实施例通过附属的权利要求以及说明书中的技术特征来限定。
根据权利要求1，该方法包括在图片帧序列中提取所关注对象轨迹的步骤、对所提取轨迹进行预处理以得到经过预处理的轨迹的步骤、存储经过预处理的轨迹为数据库中的数据、并对数据库中的经过预处理的轨迹数据应用搜索询问的步骤。
该方法还包括提取图片帧序列中所关注对象的轨迹的步骤，由此通过该图片帧中的第一组位置点来表示该轨迹。所关注对象例如是交通中的车辆、比赛中的球、超级市场中的人等。优选地，对该图片帧序列进行在线分析，尤其是实时分析。或者，较早将该图片帧序列记录下来并脱机处理。术语“图片帧序列”包括从标准视频相机获得的视频帧序列的含义，但是并不限于此含义。该术语还包括来自感应其他波长的例如红外相机、热相机、或紫外相机的图片帧序列。或者，可以与本发明结合使用的图片帧序列还可以通过雷达***、激光雷达***、超声***或激光监视***产生。尤其是，本发明可以应用于各种领域，诸如体育视频、家庭多媒体以及视频监视。轨迹被限定为第一组位置点，优选用二维坐标来表示，所述位置点表示帧序列的图片中对象的位置，优选是在该对象的整个生命(lifetime)期间或是在图片帧序列中出现的期间。优选地，该组位置点包括每帧一个位置点。
在另一步骤中，通过应用空间相关过滤算法，将提取的轨迹预先处理为经过预处理的轨迹。该空间相关过滤使用第一组位置点作为输入，并且返回第二组位置点作为输出，其中，第二组位置点的数量小于第一组的数量。优选地，第二组的每个位置点对应于图片帧序列中的帧。优选地，该空间相关过滤算法过滤与先前点相比，尤其与是第二组位置点的前面紧邻的位置点相比，没有表示出该物体显著位移的所有位置点。
经过预处理的轨迹存储在数据库中，优选地与其他对象和/或其他图片帧序列的经过预处理的轨迹一起存储，优选地，该位置点数据与各个图片帧数据相关联。
在另一步骤中，搜索询问间接或是直接用于经过预处理的轨迹和/或数据库上，尤其是用在第二组位置点上。优选地，可能的搜索包括对于位置、速度、轨迹等的询问。
所要求保护的方法包括这样的优点，即对于与现有技术中已知***相比的减少的数据量进行搜索询问。因此，对于较大图片数据组的搜索时间就显著减少。这个优点是通过对与图片帧序列的帧率无关的对象行为进行采样、和/或将使得数据库条目量最小化的轨迹数据的表示模型提供给搜索过程而实现的。优选地，该方法实现了这样一种内容管理***，其使用视频内容分析来产生用于快速搜索的视频描述，以提供对于人来说有意义的语义级别的搜索能力。
在一个实施例中，该提取步骤包括对于图片帧序列应用对象分割和/或对象探测和/或跟踪算法。所使用的优选算法如在W.Hu，T.Tan，L.Wang和S.Maybank的论文“A survey on visual surveillance of object motion andbehaviours”IEEE Transactions on SMC-C Vol.34，No.3，pp.334-352，August2004中所描述的。将这篇论文所公开的全部内容、尤其是涉及该算法的内容，以通过引用的方式结合在此。优选地，该算法返回基于逐帧的对象限界框(bounding box)，其中，例如将限界框的中心用作各个帧中对象的位置。
在另一个实施例中，预处理步骤包括去除提取的轨迹的位置点，该轨迹表示在图片帧的图像平面中的线性和/或基本上线性的外插和/或内插行为。尤其在预处理步骤中，排除与先前位置点相比示出没有位移或是仅有线性位移的位置点。
在另一个实施例中，对该第一组位置点的过滤包括清除不相关的位置点。一种可能的实际实现是分段聚集近似(PAA)的二维适应性形式，如E.J.Keogh和M.J.Pazzani：“A simple dimensionality reduction technique for fastsimilarity search in large time series databases”Proc of the 4th Pac-Asia Conf.on Knowledge Discovery and Data Mining，April 2000，pp.122-133中描述的。将此论文的全部公开内容，尤其是关于算法的内容通过引用的方式结合在此。优选地，通过两种标准来估计位置点的相关性，这两种标准是到前面紧邻位置点或前面紧邻过滤位置点的距离，以及所述对象的运动方向与前面紧邻位置点或前面紧邻过滤位置点相比的偏离。
在该方法的另一个实施例中，包括索引步骤，以进行快速搜索数据访问方法，而不用处理整个数据组。优选地，索引步骤产生所谓的R树或改进的R*树。对于该树的实现，参考N.Beckmann，H.-P.Kriegel，R.Schneider，B.Seeger:“The R*-tree：An efficient and robust access method for points andrectangles”Proc.of ACM SIG-MOD Int.Conf.Management of Data，May1990，pp.322-331的论文。将此论文的全部公开内容，尤其是关于R*树的内容，通过引用的方式结合在此。优选地，该索引步骤包括将该过滤的轨迹位置点分组为子痕迹(sub-trail)，并且以最小限界矩形(boundingrectangular)表示每个子痕迹。优选的，该矩形的边平行于图片帧的图像的边。
在另一个实施例中，该询问是对于对象轨迹的搜索，与概要线(sketchedline)相匹配。该概要线例如是由用户以类似鼠标的计算机设备在图片帧序列的图像上、或是在参考图像上绘制的。或者，该询问是对于跨过用户可绘制或可选择拉线的对象的搜索，和/或是对位于表示的关注区内或穿过表示的关注区的对象的搜索。
优选的，将该概要线转换为线段，并且该线段和/或适于限定有限匹配范围的线段的范围窗口，被转换到搜索最小限界矩形中。在优选实施例中，在限定了该搜索最小限界框之后，访问该数据库，其中，只访问与搜索最小限界框相覆盖或重叠的数据库的矩形和/或最小限界矩形，尤其是R或R*树。
在一个优选实施例中，概要线和从数据库中检索的轨迹之间匹配的近似度和/或相关性通过欧几里德点到直线的距离、和/或通过概要线的方向和检索轨迹的方向之间的差异来加权。优选的，概要线的方向和/或检索的轨迹的方向是对象沿着概要线或是沿着该轨迹运动的方向。
在概要线包括多于一条线段的情况下，优选搜索每个线段并按照顺序对其分别加权。此外，可以实现等级连接(rank-join)算法，其提供检索轨迹的初步和/或最终总体等级或最匹配顺序(best-match-order)。该等级衔接算法还依赖于各个线段长度之间比率外的其他条件。
优选的，该方法实现为如权利要求10所述的计算机程序。优选的，通过跟踪和数据检索***来实现本发明，该数据检索***用于执行根据本发明的方法。尤其是，该跟踪和数据检索***包括数据库服务器，该数据库服务器用于执行提取、预处理和存储步骤，并且优选执行索引步骤，该***还包括检索客户端，用于向数据库服务器表达和/或发送搜索询问。优选通过数据库服务器执行轨迹检索的处理。
附图说明
为了更完全地了解本发明及其优点，现在结合下面的说明和附图进行参考，其中给同一对象分配类似的参考标记，附图示出：
图1：作为本发明第一实施例的跟踪和数据检索***的示意概要图；
图2：示出跟踪和数据检索***中优选使用的轨迹过滤和提取的示意概要图；
图3：按照层级存储过滤的或是经过预处理的轨迹和对其检索的示意概要图；
图4：在拉线询问期间，与图1的跟踪和数据检索***相关使用的图形用户界面(GUI)的实施例；
图5：将检索的数据表示为对拉线式询问的响应期间的GUI；
图6：图1所示的跟踪和数据检索***的硬件结构的实施例。
具体实施方式
图1示出跟踪和数据检索***1的总体概念的概要图。
在图1的左侧，通过交通交叉路口的图像2示出对象跟踪，该路口具有重叠的轨迹3a和3b，以及对象探测窗口4a和4b。在图像2中，示出的两条线表示两个不同运动对象的两个轨迹3a和3b。轨迹3a和3b是从视频帧序列中提取出来的，其中在第一步骤中，分割算法返回每个运动对象的形状，且在第二步骤中，在所有的视频帧序列中探测到运动对象的形状和因此探测到运动对象本身。视频帧中运动对象的位置点用于形成轨迹3a、3b，其中分别用轨迹3a和3b插值对象探测窗4a和4b的中心，该探测窗是基于逐帧的对象限界框。由该组形成轨迹的位置点表示的这些轨迹3a、3b被过滤并存储在随后说明的数据库5之中。
在右侧示出交通路口的图像6，该图像与图像2类似或是相同。在图像6中绘出概要线段7，其一端实现为箭头8。该概要线7表示在数据库上对于类似轨迹进行搜索询问的轨迹，将该概要线发送给对于数据库5的搜索。箭头8表示与搜索轨迹相关的对象运动方向。
图2示意性示出在图1的跟踪数据和检索***1中优选使用的轨迹3b的提取和过滤。在左手侧还是具有轨迹3b、限界框4b和附加的一组位置点9的图像2，每个位置点表示对应于帧序列中单个帧的限界框4b的中心。如图2中间部分所示，这组位置点9是过滤算法的输入。该组位置点9通过空间相关算法进行过滤，由此将在先前过滤的位置点11周围的圈10限定的预定最大距离内的所有位置点、和/或在位置点9周围设置的、管道(tube)12所限定的最大方向偏移范围内的所有位置点取消。在轨迹3b的位置点9没有在圈10上，以及当前认定的轨迹点处于圈10外的情况下，可选地可以创建新的位置点13；和/或在当前认定的轨迹点处于管道12外的情况下，可以在管道12的边缘上创建新的点。过滤算法的输出在图2的左侧表示，其示出表示轨迹3b的较少的一组位置点11、13、14。
图3表示在数据库中过滤的轨迹数据的层级存储以及数据库访问方法。
在图3的左上角，分别示出具有过滤位置点11、13、14和15的过滤的轨迹3a和3b。每个轨迹3a和3b由第一最小限界矩形A来表示，其仅携带关于整个过滤轨迹3a和3b的外边界和位置的信息。在另一步骤中，过滤的轨迹3a、3b被分成子痕迹，其分别由最小限界矩形B、C和D表示，由此，优选地该矩形B、C和D不重叠地设置在矩形A之中。矩形B、C、D携带关于各个设置其中的子痕迹的外边界和位置的信息。
在图3的下部，示出了树状数据结构16，其也被称为R*树。该数据结构16通过矩形A、B、C和D来索引，并携带关于轨迹和子痕迹的信息。
在图3的右上角，示出了在基于关于轨迹的概要线段7的询问的情况下的数据库访问方法。首先，概要线段7被分成段17、18和19。在下面，描述与中间线段18相关的数据库访问方法作为例子。在另一步骤中，范围窗口20自动设置在中间线段18上，以限定有限的匹配范围。在随后的步骤中，该范围窗口20被转换为搜索最小限界矩形21。仅在与搜索最小限界框重叠的树状数据结构16的矩形中执行匹配轨迹和/或轨迹的子痕迹的搜索，对于线段18的例子来说，该矩形是矩形A和C。不访问关于矩形B和D的轨迹数据。
对于概要线段7的所有的线段17、18和19执行匹配轨迹和/或子痕迹的搜索。最后，返回最佳匹配顺序中的轨迹列表作为结果。
图4示出与本发明结合使用的图形用户界面GUI的实施例，尤其是作为检索客户端的实施例。该GUI允许进行三个不同的询问，其关于上面已经描述了的轨迹概要，拉线以及关注区。
该拉线形式允许用户绘制一条线23作为拉线，优选地，该拉线是在图24中任意的形状，由此，作为拉线询问的结果，将从数据库6中检索在记录观察时间或在(用户)指定的时间间隔期间越过该线的、所有对象和/或轨迹(图1)。该搜索以与上述结合概要线而说明的类似方式来执行，其区别在于以其他标准来加权检索的轨迹或子痕迹的匹配的近似度。图5示出具有搜索结果的、图4的GUI 22，其中，在GUI 22的下部，列出了所有越过该拉线的对象。通过选择该对象中的一个，在目前的情况下是车26，则在图像24中与拉线23一起显示车26的轨迹25。
图6示出图1中跟踪和数据检索***1的硬件结构的实施例。该跟踪和数据检索***1实现为一个或多个计算机，其连接到一个或若干个视频相机32和/或连接到一个或多个包含视频序列的数据库27，诸如视频卡带记录器或存储器装置。数据和检索***1包括服务器28，其负责提取、预处理、索引和存储来自视频相机32或数据库27的视频帧序列中运动对象的轨迹，该***还包括客户端29，其负责限定并发送对于服务器28的询问。服务器28和客户端29使用软件程序30来实施服务器28和客户端29的功能，并且用于执行上述内容管理方法。服务器28和客户端29经过链路31相连，链路31实现为单个计算机之内的软件链路、或是类似于网络或互联网连接的物理链路。

Claims (13)

1、一种搜索图像信息的方法，包括下面的步骤：
提取图片帧序列中关注对象的轨迹，
预处理所提取的轨迹以得到经过预处理的轨迹，
存储所述经过预处理的轨迹作为数据库中的数据，
对所述数据库中的所述经过预处理的轨迹数据应用搜索询问。
2、根据权利要求1所述的方法，其中通过所述图片帧中的第一组位置点来表示所述轨迹。
3、根据权利要求1或2所述的方法，其中通过应用空间相关过滤算法来实现预处理，该空间相关过滤算法减少位置点的数量，由此，通过所述图片帧中第二组位置点来表示所述经过预处理的轨迹。
4、根据任一前述权利要求所述的方法，其中所述提取步骤包括对所述图片帧序列应用对象探测和/或跟踪算法。
5、根据任一前述权利要求所述的方法，其中所述预处理步骤包括去除所提取的轨迹的位置点，该所提取的轨迹的位置点表示所述图片帧的图像平面中对象的线性和/或基本上线性的外插和/或内插行为。
6、根据任一前述权利要求所述的方法，其中所述预处理步骤包括对相关位置点的减少，其中通过两个过滤的位置点之间最大距离的第一标准、和/或通过两个过滤的位置点之间对象的运动方向的最大偏差的第二标准，来限定位置点的相关性。
7、根据任一前述权利要求所述的方法，还包括通过将所述经过预处理的数据分组为子痕迹并以最小限界矩形来表示每个子痕迹的方式，来对所提取的轨迹的经过预处理的数据进行索引的步骤。
8、根据权利要求7所述的方法，其中所述索引步骤还包括以层级和/或树状索引结构来存储所述最小限界矩形。
9、根据任一前述权利要求所述的方法，其中所述询问是：对于与概要线段匹配的对象轨迹的搜索；和/或对于穿过用户可以绘制的拉线的对象的搜索；和/或对于位于示出的关注区中对象的搜索。
10、根据权利要求9所述的方法，其中不使用实际的视频数据而脱机应用所述询问。
11、根据权利要求9或10所述的方法，其中所述概要线被转换为分离的和/或独立的线段，并且所述线段和/或适用于所述线段的限定有限匹配范围的范围窗被转换为搜索最小限界矩形。
12、根据权利要求9到11中任意一个所述的方法，其中概要线段和所述数据库的检索的轨迹之间匹配的相似性和/或所述相关性通过欧几里德点到线距离来加权，和/或通过所述概要线段的方向和所述检索轨迹的方向之间的差异来加权。
13、一种计算机程序(30)，包括程序代码装置，当在计算机上运行所述程序的时候，用于执行权利要求1到12中任意一个中的所有步骤。
CNA2005800516989A 2005-09-30 2005-09-30 用于搜索图像信息的方法和软件程序 Pending CN101421727A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2005/054963 WO2007038986A1 (en) 2005-09-30 2005-09-30 Method and software program for searching image information

Publications (1)

Publication Number Publication Date
CN101421727A true CN101421727A (zh) 2009-04-29

Family

ID=35295358

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005800516989A Pending CN101421727A (zh) 2005-09-30 2005-09-30 用于搜索图像信息的方法和软件程序

Country Status (4)

Country Link
US (1) US8027512B2 (zh)
EP (1) EP1966728A1 (zh)
CN (1) CN101421727A (zh)
WO (1) WO2007038986A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789020A (zh) * 2010-02-11 2010-07-28 海纳医信（北京）软件科技有限责任公司 用于pacs***的图像输出方法
CN108780457A (zh) * 2016-02-09 2018-11-09 开利公司 在稳健的视频搜索和检索机制内执行多个查询

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9892606B2 (en) * 2001-11-15 2018-02-13 Avigilon Fortress Corporation Video surveillance system employing video primitives
US8564661B2 (en) * 2000-10-24 2013-10-22 Objectvideo, Inc. Video analytic rule detection system and method
US8139818B2 (en) * 2007-06-28 2012-03-20 Toshiba Tec Kabushiki Kaisha Trajectory processing apparatus and method
CN101261681B (zh) * 2008-03-31 2011-07-20 北京中星微电子有限公司 智能视频监控中的路面图像提取方法及装置
US9934581B2 (en) * 2010-07-12 2018-04-03 Disney Enterprises, Inc. System and method for dynamically tracking and indicating a path of an object
US9449026B2 (en) * 2010-08-31 2016-09-20 Microsoft Technology Licensing, Llc Sketch-based image search
US8612441B2 (en) * 2011-02-04 2013-12-17 Kodak Alaris Inc. Identifying particular images from a collection
US10089327B2 (en) 2011-08-18 2018-10-02 Qualcomm Incorporated Smart camera for sharing pictures automatically
US8694513B2 (en) * 2012-01-10 2014-04-08 Swoop Search, Llc Systems and methods for graphical search interface
US8862592B2 (en) * 2012-01-10 2014-10-14 Swoop Search, Llc Systems and methods for graphical search interface
US10645345B2 (en) * 2012-07-03 2020-05-05 Verint Americas Inc. System and method of video capture and search optimization
CN104034316B (zh) * 2013-03-06 2018-02-06 深圳先进技术研究院 一种基于视频分析的空间定位方法
US9147125B2 (en) 2013-05-03 2015-09-29 Microsoft Technology Licensing, Llc Hand-drawn sketch recognition
US20160110650A1 (en) * 2013-11-29 2016-04-21 Ims Solutions, Inc. Advanced context-based driver scoring
USD757077S1 (en) * 2014-02-27 2016-05-24 Robert Bosch Gmbh Display screen with a graphical user interface
USD757776S1 (en) * 2014-02-27 2016-05-31 Robert Bosch Gmbh Display screen with a graphical user interface
WO2016081880A1 (en) 2014-11-21 2016-05-26 Trustees Of Boston University Large scale video search using queries that define relationships between objects
CN104834679B (zh) * 2015-04-14 2018-01-19 苏州大学 一种行为轨迹的表示、查询方法及装置
CN106897374B (zh) * 2017-01-19 2020-05-12 浙江大学 一种基于轨迹大数据最近邻查询的个性化推荐方法
US11263489B2 (en) * 2017-06-29 2022-03-01 Intel Corporation Techniques for dense video descriptions
US11599253B2 (en) * 2020-10-30 2023-03-07 ROVl GUIDES, INC. System and method for selection of displayed objects by path tracing

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6587574B1 (en) 1999-01-28 2003-07-01 Koninklijke Philips Electronics N.V. System and method for representing trajectories of moving objects for content-based indexing and retrieval of visual animated data
US6366701B1 (en) * 1999-01-28 2002-04-02 Sarnoff Corporation Apparatus and method for describing the motion parameters of an object in an image sequence
US6643387B1 (en) * 1999-01-28 2003-11-04 Sarnoff Corporation Apparatus and method for context-based indexing and retrieval of image sequences
US7072398B2 (en) * 2000-12-06 2006-07-04 Kai-Kuang Ma System and method for motion vector generation and analysis of digital video clips
KR100415266B1 (ko) * 2000-05-11 2004-01-16 가부시끼가이샤 도시바 물체영역정보 기술방법과 물체영역정보 생성장치 및 기록매체
US6895329B1 (en) * 2000-10-30 2005-05-17 Board Of Trustees Of The University Of Illinois Method and system for querying in a moving object database
US6696945B1 (en) * 2001-10-09 2004-02-24 Diamondback Vision, Inc. Video tripwire
US6970083B2 (en) 2001-10-09 2005-11-29 Objectvideo, Inc. Video tripwire
US20030126622A1 (en) 2001-12-27 2003-07-03 Koninklijke Philips Electronics N.V. Method for efficiently storing the trajectory of tracked objects in video
EP1418546A1 (en) * 2002-11-07 2004-05-12 Mitsubishi Electric Information Technology Centre Europe B.V. Method and apparatus for representing moving objects in a sequence of images
US20060066719A1 (en) * 2004-09-24 2006-03-30 Objectvideo, Inc. Method for finding paths in video

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789020A (zh) * 2010-02-11 2010-07-28 海纳医信（北京）软件科技有限责任公司 用于pacs***的图像输出方法
CN108780457A (zh) * 2016-02-09 2018-11-09 开利公司 在稳健的视频搜索和检索机制内执行多个查询

Also Published As

Publication number Publication date
EP1966728A1 (en) 2008-09-10
US20080243774A1 (en) 2008-10-02
WO2007038986A1 (en) 2007-04-12
US8027512B2 (en) 2011-09-27

Similar Documents

Publication Publication Date Title
CN101421727A (zh) 用于搜索图像信息的方法和软件程序
Senthil Murugan et al. A study on various methods used for video summarization and moving object detection for video surveillance applications
Xu et al. Video structured description technology based intelligence analysis of surveillance videos for public security applications
KR101017016B1 (ko) 이미지 매칭에 기초한 상품 정보 제공 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
Asghar et al. Video indexing: a survey
US8898185B2 (en) Trajectory retrieval system, method and software for trajectory data retrieval
CN105164695A (zh) 用于探测视频数据中的高兴趣事件的***和方法
KR102271929B1 (ko) 장면 이해를 통해 비디오 요약을 생성하는 방법 및 이를 위한 시스템
Ding et al. Survsurf: human retrieval on large surveillance video data
Aved et al. Multi-int query language for dddas designs
CN111581423A (zh) 一种目标检索方法及装置
Şaykol et al. Scenario-based query processing for video-surveillance archives
Prathiba et al. RETRACTED ARTICLE: Content based video retrieval system based on multimodal feature grouping by KFCM clustering algorithm to promote human–computer interaction
Stefanidis et al. Summarizing video datasets in the spatiotemporal domain
Kotsiantis et al. Multimedia mining.
Kamde et al. A survey on web multimedia mining
Anwar et al. Mining anomalous events against frequent sequences in surveillance videos from commercial environments
Bali et al. Clustering Technique Approach to Detect the Special Patterns for Medical Video Mining
e Souza et al. Survey on visual rhythms: A spatio-temporal representation for video sequences
Garcia et al. Asymmetric spatio-temporal embeddings for large-scale image-to-video retrieval
Moses et al. A classified study on semantic analysis of video summarization
DeMenthon et al. Video retrieval of near-duplicates using κ-nearest neighbor retrieval of spatio-temporal descriptors
Saravanan et al. A review on content based video retrieval, classification and summarization
Veerakumar et al. Shot Boundary Detection from Lecture Video Sequences Using Histogram of Oriented Gradients and Radiometric Correlation
Al Aghbari cTraj: efficient indexing and searching of sequences containing multiple moving objects

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20090429