CN104823218A - 使用单一普通摄像机来检测行人的***和方法 - Google Patents

使用单一普通摄像机来检测行人的***和方法 Download PDF

Info

Publication number
CN104823218A
CN104823218A CN201280077485.3A CN201280077485A CN104823218A CN 104823218 A CN104823218 A CN 104823218A CN 201280077485 A CN201280077485 A CN 201280077485A CN 104823218 A CN104823218 A CN 104823218A
Authority
CN
China
Prior art keywords
pedestrian
image
video camera
candidate
overhead view
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
CN201280077485.3A
Other languages
English (en)
Inventor
张燕昆
洪初阳
蒋如意
周允
诺曼·韦里奇
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.)
Harman International Industries Ltd
Crown Audio Inc
Original Assignee
Crown Audio Inc
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 Crown Audio Inc filed Critical Crown Audio Inc
Publication of CN104823218A publication Critical patent/CN104823218A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/633—Control of cameras or camera modules by using electronic viewfinders for displaying additional information relating to control or operation of the camera
    • H04N23/635—Region indicators; Field of view indicators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • 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
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Processing (AREA)

Abstract

本申请提供行人检测***和方法。行人检测方法包括：获得由摄像机捕捉的图像；识别图像中的候选行人；将图像变换成俯视图像；基于俯视图像和摄像机的外在参数来计算候选行人的实际高度；以及通过确定候选行人的实际高度是否处于预定行人高度范围内而确定候选行人是否是真阳性。本申请的***和方法与常规技术相比较具有较低成本和较高精确度。

Description

使用单一普通摄像机来检测行人的***和方法
技术领域
本申请总体上涉及使用单一普通摄像机来检测行人的***和方法。
背景
各种行人检测技术已被开发，并被用于车辆中以便检测在车辆附近的行人并且就此对驾驶员做出提醒。一些解决方案是基于雷达，一些解决方案是基于多摄像机，一些解决方案是基于激光，并且一些解决方案是基于红外摄像机，但是这些解决方案具有的相同缺点是高成本。尽管使用单一普通摄像机的一些常规解决方案是低成本的，但是这些解决方案会为了获得高检测率而产生许多假阳性(false positive)。这类解决方案的实例请参见N.Dalal和B.Triggs,"Histograms ofOriented Gradients for Human Detection",CVPR,2005；P.Dollar,C.Wojek,B.Schiele和P.Perona,"Pedestrian Detection:An Evaluation ofthe State of the Art",PAMI,2011；D.Geronimo与A.M.Lopez和A.D.Sappa与T.Graf,"Survey of Pedestrian Detection for Advanced DriverAssistance Systems",PAMI,2010；以及M.Enzweiler和D.M.Gavrila.Monocular Pedestrian Detection:Survey and Experiments.IEEE模式分析与机器智能汇刊(IEEE Transactions on Pattern Analysis and MachineIntelligence),第31卷,第12期,第2179-2195页,2009。鉴于以上，需要提供使用单一普通摄像机来检测行人的更稳健的方法和***。
概述
在本申请的一个实施方案中，提供一种行人检测方法。所述方法包括：获得由摄像机捕捉的图像；识别图像中的候选行人；将图像变换成俯视图像；基于俯视图像和摄像机的外在参数来计算候选行人的实际高度；以及通过确定候选行人的实际高度是否处于预定行人高度范围内而确定候选行人是否是真阳性(true positive)。
在一些实施方案中，摄像机的外在参数可包括俯仰角α、偏角β和安装高度h。
在一些实施方案中，由摄像机捕捉的图像可使用摄像机的内在参数变换成俯视图像，所述内在参数如焦距fu和fv，以及光学中心cu和cv。在一些实施方案中，如果摄像机的透镜是鱼眼透镜，那么俯视图变换矩阵可为：
   方程(1)
其中c1＝cosα、s1＝sinα、c2＝cosβ并且s2＝sinβ。如果摄像机使用不同的透镜，那么俯视图变换矩阵可以不同。
在一些实施方案中，一个点在俯视图像中的坐标可通过将所述点在图像中的坐标乘以俯视图变换矩阵来计算。
在一些实施方案中，所述方法还可包括：对图像进行失真校正以获得校正图像；以及将校正图像变换成俯视图像。
在一些实施方案中，所述方法还可包括：如果候选行人被确定是真阳性，那么就产生警报。
在本申请的一个实施方案中，提供一种行人检测***。所述行人检测***包括：输出设备；以及处理设备，所述处理设备被配置来：获得由摄像机捕捉的图像；识别图像中的候选行人；将图像变换成俯视图像；基于俯视图像和摄像机的外在参数来计算候选行人的实际高度；通过确定候选行人的实际高度是否处于预定行人高度范围内而确定候选行人是否是真阳性；以及如果候选行人被确定是真阳性，那么就控制输出设备来产生警报。
在一些实施方案中，所述处理设备还可被配置来：对图像进行失真校正以获得校正图像；以及将校正图像变换成俯视图像。
在一些实施方案中，所述行人检测***还可包括摄像机。
在本申请的一个实施方案中，提供一种行人检测***。所述行人检测***包括：输出设备；以及处理设备，所述处理设备用于：获得由摄像机捕捉的图像；识别图像中的候选行人；将图像变换成俯视图像；基于俯视图像和摄像机的外在参数来计算候选行人的实际高度；通过确定候选行人的实际高度是否处于预定行人高度范围内而确定候选行人是否是真阳性；以及如果候选行人被确定是真阳性，那么就控制输出设备来产生警报。
在本申请的一个实施方案中，提供一种行人检测***。所述行人检测***包括：用于识别由摄像机所捕捉图像中的候选行人的设备；用于将图像变换成俯视图像的设备；用于基于俯视图像和摄像机的外在参数来计算候选行人的实际高度的设备；用于通过确定候选行人的实际高度是否处于预定行人高度范围内而确定候选行人是否是真阳性的设备；以及输出设备，如果候选行人被确定是真阳性，那么所述输出设备就产生警报。
使用本申请的方法和***时，只需要单一普通摄像机来检测行人，因此可减少车辆安装行人检测***的成本。另外，本申请的方法和***可用于仅具有一个被配置来捕捉前方视野图像的单摄像机的现有车辆模型，从而非常适宜于将这项功能增加到这类车辆模型中。例如，这项功能可仅仅通过更新现有车辆模型的驾驶辅助***的软件来增加。此外，在本申请的方法和***中，不需要运动信息，因此计算复杂性可被大大减少。
附图简述
本公开的前述和其它特征将从以下结合附图进行的描述和权利要求书而变得更完整明显。应理解，这些图仅示出根据本公开的一些实施方案，并且因此，不应被视为对本公开范围的限制，本公开将通过附图的使用以另外的特殊性和细节来加以描述。
图1示出根据本申请的一个实施方案的行人检测方法100的示意流程图。
图2A示出由摄像机捕捉的示例性图像。
图2B示出通过对图2A所示的图像进行失真校正所获得的示例性图像。
图3A示出：在图2B所示的校正图像中识别的候选行人。
图3B示出从图2B所示的校正图像变换的俯视图像。
图4示出车辆和行人的示意图。
图5示出如何计算候选行人的实际高度的示意图。
图6示出呈现检测结果的示例性图像。
图7示出根据本申请的一个实施方案的用于检测行人的***的示意框图。
详述
在以下详述中，参考附图，所述附图形成本发明的一部分。在图中，除非上下文另外指定，否则类似的符号典型地标示类似的部件。详述、图式和权利要求书中描述的说明性实施方案不意图为限制。在不脱离本文提出的主题的精神或范围的情况下，可使用其它实施方案并且可做出其它改变。将容易理解的是，如本文大体上所述和图中所示的本公开的方面可以多种不同的配置来布置、替换、合并和设计，所有这些不同的配置都被本公开明确涵盖并且成为本公开的一部分。
图1示出根据本申请的一个实施方案的行人检测方法100的示意流程图。
在101，获得由摄像机捕捉的图像。图2A示出由摄像机捕捉的图像的实例。
在103，对由摄像机捕捉的图像应用失真校正以获得校正图像。在许多情况下，由摄像机、尤其是广角摄像机捕捉的图像具有失真，并且失真校正可用来减少这种失真对后续过程的影响。因为失真校正技术在本领域中是众所周知的，所以这类技术这里将不做详细描述。图2B示出通过对图2A所示的图像进行失真校正所获得的校正图像的实例。
在105，识别校正图像中的候选行人。这类技术的一些实例请参考“Histograms of Oriented Gradients for Human Detection,NavneetDalal和Bill Triggs,IEEE计算机视觉与模式识别会议(IEEEConference on Computer Vision and Pattern Recognition,CVPR),第II卷,第886-893页,2005年6月”；“Real-Time Human Detection UsingContour Cues,Jianxin Wu,Christopher Geyer和James M.Rehg：2011年IEEE机器人与自动化国际会议汇刊(Proc.The 2011IEEE Int'lConference on Robotics and Automation,ICRA 2011),2011年5月中国上海,第860-867页”以及“Fast Pedestrian Detection Using A CascadeOf Boosted Covariance Features：IEEE电路与***视频技术学报(IEEETransactions on Circuits and Systems for Video Technology),2008”。
在一些算法中，所识别的候选行人可由矩形包围；在一些算法中，所识别候选行人可由椭圆形包围。图3A示出图像的实例，在所述图像中识别并且由矩形201包围的候选行人。
在107，将校正图像变换成俯视图像。图3B示出从图3A所示的图像变换的俯视图像的实例。如可见的，图3B所示的俯视图像中仅含有候选行人的一部分，并且这部分将在下文被称为分段部分。如何将图像变换成俯视图像在本领域中是众所周知的，因此这里将不做详细描述。
图4示出在道路表面305上行驶的车辆301和在车辆301前方的行人307，所述车辆301具有安装在车辆上的摄像机303。在图4所示的说明性实施方案中，摄像机303的俯仰角是α，摄像机303的偏角等于零，并且摄像机303的安装高度是h。为了方便起见，摄像机303的偏角在这个实施方案中被设定为零。如果偏角不等于零，那么后续计算可能更为复杂。摄像机的俯仰角是在由x轴和z轴界定的平面上介于x轴与摄像机的主轴的投影之间的角度。摄像机的偏角是在由x轴和y轴界定的平面上介于x轴与摄像机的主轴的投影之间的角度。
在109，基于俯视图像和摄像机303的外在参数来计算候选行人的实际高度。图5示出各种尺寸之间的关系。在图5中，摄像机303的安装高度h和俯仰角α是已知的。因此，根据方程(1)计算d。
d = h tagα    方程(1)
返回参考图3B，可计算d1与d2之间的关系。换句话说，可计算比率r1＝d2/d1。d1表示分段部分在道路表面305上的投影的实际尺寸，并且d2表示摄像机303与候选行人之间的实际水平距离。那么，d1可根据方程(2)来计算。
d 1 = d 1 + r 1    方程(2)
计算d1之后，分段部分的实际高度H1可根据方程(3)来计算。
H1＝d1×tagα   方程(3)
根据俯视图变换算法，可计算比率r2＝H1/H2，因此行人的实际高度H2可根据方程(4)来计算。
H 2 = H 1 r 2    方程(4)
在111，计算摄像机与候选行人之间的实际水平距离。d2表示摄像机与候选行人之间的实际水平距离。因为比率r1＝d2/d1和d1是已知的，所以可根据方程(5)计算d2。
d2＝d1×r2   方程(5)
根据以上实施方案，基于d2与d1的比率r1和摄像机的外在参数来计算候选行人的实际高度H2。换句话说，基于候选行人在俯视图像中的位置和摄像机的外在参数来计算候选行人的实际高度H2。
在113，通过确定候选行人的实际高度是否处于预定高度范围内而确定候选行人是否是真阳性。如果候选行人的实际高度在高度范围之外，那么候选行人可被确定为假阳性，否则候选行人可被确定为真阳性。在一个实施方案中，高度范围可为1米至2.4米。高度范围的下限和上限可根据特定情形来设定。例如，对亚洲地区来说，下限和上限可设定成较低的，并且对欧洲地区来说，下限和上限可设定成较高的。例如，下限可为0.8米、0.9米、1.1米或1.2米；上限可为2米、2.1米、2.2米、2.3米、2.5米。以上数字仅是处于说明性目的，并且不意图为限制。
在115，输出结果。当检测到行人时，可向如驾驶员的用户呈现通知。在一些实施方案中，所检测的行人可在图像中由矩形包围，并且也可在图像中提供摄像机与所检测的行人之间的实际距离，如图6所示。在一些实施方案中，当检测到行人时，可产生声音警报。
图7示出用于检测行人的***400。***400包括摄像机401、处理设备403、存储设备405、声音警报发生器407和显示设备409。***400可安装在车辆上，以便检测在车辆附近的行人并且就此对驾驶员做出提醒。
摄像机401将捕捉图像。处理设备403可被配置来进行方法100的103至113。存储设备405中可存储操作***和程序指令。
当检测到行人时，处理设备403可发送指令来控制声音警报发生器407以产生声音警报，可控制显示设备409来通过在图像中以矩形包围行人而呈现所检测的行人，并且可控制显示设备409来呈现所检测的行人与摄像机401之间的实际距离。在一些实施方案中，可计算所检测的行人与安装有***400的车辆之间的实际距离，并且呈现在显示设备409上。
在***各方面的硬件实现方式与软件实现方式之间保持有少许区别；硬件或软件的使用大体上是表示成本对比效率权衡的设计选择。例如，如果实现方确定速度和精确度是最重要的，那么实现方可主要选择硬件和/或固件车辆；如果灵活性是最重要的，那么实现方可主要选择软件实现方式；或，再次替代地，实现方可选择硬件、软件和/或固件的一些组合。
虽然本文已公开各种方面和实施方案，但是其它方面和实施方案将对本领域技术人员来说是明显的。本文公开的各种方面和实施方案是出于说明的目的，并且在所附权利要求书所指示的真实范围和精神内不意图为限制。

Claims (10)

1.一种行人检测方法，其包括：
获得由摄像机捕捉的图像；
识别所述图像中的候选行人；
将所述图像变换成俯视图像；
基于所述俯视图像和所述摄像机的外在参数来计算所述候选行人的实际高度；以及
通过确定所述候选行人的所述实际高度是否处于预定行人高度范围内而确定所述候选行人是否是真阳性。
2.如权利要求1所述的方法，其中所述摄像机的所述外在参数包括俯仰角α、偏角β和安装高度h。
3.如权利要求1所述的方法，其还包括：对所述图像进行失真校正以获得校正图像；以及将所述校正图像变换成所述俯视图像。
4.如权利要求1所述的方法，其还包括：如果所述候选行人被确定是真阳性，那么就产生警报。
5.如权利要求1所述的方法，其中所述预定行人高度范围为1米至2.4米。
6.一种行人检测***，其包括：
输出设备；以及
处理设备，所述处理设备被配置来：获得由摄像机捕捉的图像；识别所述图像中的候选行人；将所述图像变换成俯视图像；基于所述俯视图像和所述摄像机的外在参数来计算所述候选行人的实际高度；通过确定所述候选行人的所述实际高度是否处于预定行人高度范围内而确定所述候选行人是否是真阳性；以及如果所述候选行人被确定是真阳性，那么就控制所述输出设备来产生警报。
7.如权利要求6所述的***，其中所述摄像机的所述外在参数包括俯仰角α、偏角β和安装高度h。
8.如权利要求6所述的***，其还包括所述摄像机。
9.如权利要求6所述的***，其中所述处理设备还被配置来：对所述图像进行失真校正以获得校正图像；以及将所述校正图像变换成所述俯视图像。
10.如权利要求6所述的***，其中所述预定行人高度范围为1米至2.4米。
CN201280077485.3A 2012-12-03 2012-12-03 使用单一普通摄像机来检测行人的***和方法 Pending CN104823218A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2012/085727 WO2014085953A1 (en) 2012-12-03 2012-12-03 System and method for detecting pedestrians using a single normal camera

Publications (1)

Publication Number Publication Date
CN104823218A true CN104823218A (zh) 2015-08-05

Family

ID=50882725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280077485.3A Pending CN104823218A (zh) 2012-12-03 2012-12-03 使用单一普通摄像机来检测行人的***和方法

Country Status (4)

Country Link
US (1) US10043067B2 (zh)
EP (1) EP2926317B1 (zh)
CN (1) CN104823218A (zh)
WO (1) WO2014085953A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464782A (zh) * 2020-11-24 2021-03-09 惠州华阳通用电子有限公司 一种行人识别方法和***

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2926317B1 (en) * 2012-12-03 2020-02-12 Harman International Industries, Incorporated System and method for detecting pedestrians using a single normal camera
CN105205822A (zh) * 2015-09-21 2015-12-30 重庆交通大学 沥青压实路面离析程度的实时检测方法
KR102313026B1 (ko) 2017-04-11 2021-10-15 현대자동차주식회사 차량 및 차량 후진 시 충돌방지 보조 방법
JP7135339B2 (ja) * 2018-02-28 2022-09-13 株式会社デンソー 車両に搭載される撮像システム、対象物識別装置、および対象物識別方法
CN110113580B (zh) * 2019-06-06 2024-04-09 天津艾思科尔科技有限公司 一种站台越界检测***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010193170A (ja) * 2009-02-18 2010-09-02 Mitsubishi Electric Corp カメラキャリブレーション装置及び監視エリア設定装置
CN101959060A (zh) * 2010-10-26 2011-01-26 镇江科大船苑计算机网络工程有限公司 视频客流监控***及方法
CN102074095A (zh) * 2010-11-09 2011-05-25 无锡中星微电子有限公司 幼儿行为监控***及方法
CN102103747A (zh) * 2009-12-16 2011-06-22 中国科学院电子学研究所 采用参照物高度的监控摄像机外部参数标定方法

Family Cites Families (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3337197B2 (ja) * 1997-04-04 2002-10-21 富士重工業株式会社 車外監視装置
EP1083076A3 (en) * 1999-09-07 2005-01-12 Mazda Motor Corporation Display apparatus for vehicle
US6963661B1 (en) * 1999-09-09 2005-11-08 Kabushiki Kaisha Toshiba Obstacle detection system and method therefor
DE10301468B4 (de) * 2002-01-18 2010-08-05 Honda Giken Kogyo K.K. Vorrichtung zur Beobachtung der Umgebung eines Fahrzeugs
JP3987048B2 (ja) * 2003-03-20 2007-10-03 本田技研工業株式会社 車両周辺監視装置
US6956469B2 (en) * 2003-06-13 2005-10-18 Sarnoff Corporation Method and apparatus for pedestrian detection
JP3987013B2 (ja) * 2003-09-01 2007-10-03 本田技研工業株式会社 車両周辺監視装置
JP4128562B2 (ja) * 2004-11-30 2008-07-30 本田技研工業株式会社 車両周辺監視装置
US8040343B2 (en) * 2005-03-02 2011-10-18 Navitime Japan Co., Ltd. Map display device and map display method
US20070047837A1 (en) * 2005-08-29 2007-03-01 John Schwab Method and apparatus for detecting non-people objects in revolving doors
US7576639B2 (en) * 2006-03-14 2009-08-18 Mobileye Technologies, Ltd. Systems and methods for detecting pedestrians in the vicinity of a powered industrial vehicle
US20090103779A1 (en) * 2006-03-22 2009-04-23 Daimler Ag Multi-sensorial hypothesis based object detector and object pursuer
US20070237387A1 (en) * 2006-04-11 2007-10-11 Shmuel Avidan Method for detecting humans in images
US7786898B2 (en) * 2006-05-31 2010-08-31 Mobileye Technologies Ltd. Fusion of far infrared and visible images in enhanced obstacle detection in automotive applications
US7853072B2 (en) * 2006-07-20 2010-12-14 Sarnoff Corporation System and method for detecting still objects in images
US8441535B2 (en) * 2008-03-05 2013-05-14 Omnivision Technologies, Inc. System and method for independent image sensor parameter control in regions of interest
JP5500369B2 (ja) * 2009-08-03 2014-05-21 アイシン精機株式会社 車両周辺画像生成装置
JP5422330B2 (ja) * 2009-10-09 2014-02-19 クラリオン株式会社 歩行者検出システム
JP4943543B2 (ja) * 2009-11-30 2012-05-30 パイオニア株式会社 地図表示装置、地図表示方法、地図表示プログラムおよび記録媒体
EP2539197B1 (en) * 2010-02-26 2020-12-16 Gentex Corporation Automatic vehicle equipment monitoring, warning, and control system
JP5665401B2 (ja) * 2010-07-21 2015-02-04 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
JP5975598B2 (ja) * 2010-08-26 2016-08-23 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
JP5762730B2 (ja) * 2010-12-09 2015-08-12 パナソニック株式会社 人検出装置および人検出方法
JP5360076B2 (ja) * 2011-01-14 2013-12-04 株式会社デンソー 障害物報知装置
US9922256B2 (en) * 2011-06-30 2018-03-20 Yale University Subject sensing in an environment
JP5639282B2 (ja) * 2011-10-18 2014-12-10 本田技研工業株式会社 車両周辺監視装置
US9111147B2 (en) * 2011-11-14 2015-08-18 Massachusetts Institute Of Technology Assisted video surveillance of persons-of-interest
US9491451B2 (en) * 2011-11-15 2016-11-08 Magna Electronics Inc. Calibration system and method for vehicular surround vision system
US9338409B2 (en) * 2012-01-17 2016-05-10 Avigilon Fortress Corporation System and method for home health care monitoring
US9269263B2 (en) * 2012-02-24 2016-02-23 Magna Electronics Inc. Vehicle top clearance alert system
US9256781B2 (en) * 2012-05-10 2016-02-09 Pointguard Ltd. System and method for computer vision based tracking of an object
US10089537B2 (en) * 2012-05-18 2018-10-02 Magna Electronics Inc. Vehicle vision system with front and rear camera integration
US20130342694A1 (en) * 2012-06-25 2013-12-26 Tandent Vision Science, Inc. Method and system for use of intrinsic images in an automotive driver-vehicle-assistance device
EP2704096A1 (de) * 2012-08-29 2014-03-05 Delphi Technologies, Inc. Verfahren zum kalibrieren einer Bilderfassungseinrichtung
US9165190B2 (en) * 2012-09-12 2015-10-20 Avigilon Fortress Corporation 3D human pose and shape modeling
CN103854273B (zh) * 2012-11-28 2017-08-25 天佑科技股份有限公司 一种近正向俯视监控视频行人跟踪计数方法和装置
EP2926317B1 (en) * 2012-12-03 2020-02-12 Harman International Industries, Incorporated System and method for detecting pedestrians using a single normal camera
KR101724658B1 (ko) * 2012-12-21 2017-04-10 한국전자통신연구원 사람 검출 장치 및 방법
US9008365B2 (en) * 2013-04-18 2015-04-14 Huawei Technologies Co., Ltd. Systems and methods for pedestrian detection in images
US9070023B2 (en) * 2013-09-23 2015-06-30 Toyota Motor Engineering & Manufacturing North America, Inc. System and method of alerting a driver that visual perception of pedestrian may be difficult
JP2015154377A (ja) * 2014-02-18 2015-08-24 キヤノン株式会社 画像処理装置、画像処理装置の制御方法およびプログラム
JP2016013793A (ja) * 2014-07-03 2016-01-28 株式会社デンソー 画像表示装置、画像表示方法
US10055643B2 (en) * 2014-09-19 2018-08-21 Bendix Commercial Vehicle Systems Llc Advanced blending of stitched images for 3D object reproduction
JP6589321B2 (ja) * 2015-03-24 2019-10-16 富士通株式会社 システム、検索方法およびプログラム
KR20160118783A (ko) * 2015-04-03 2016-10-12 한화테크윈 주식회사 사람 계수 방법 및 장치
JP6455310B2 (ja) * 2015-05-18 2019-01-23 本田技研工業株式会社 動作推定装置、ロボット、及び動作推定方法
US9517767B1 (en) * 2015-11-04 2016-12-13 Zoox, Inc. Internal safety systems for robotic vehicles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010193170A (ja) * 2009-02-18 2010-09-02 Mitsubishi Electric Corp カメラキャリブレーション装置及び監視エリア設定装置
CN102103747A (zh) * 2009-12-16 2011-06-22 中国科学院电子学研究所 采用参照物高度的监控摄像机外部参数标定方法
CN101959060A (zh) * 2010-10-26 2011-01-26 镇江科大船苑计算机网络工程有限公司 视频客流监控***及方法
CN102074095A (zh) * 2010-11-09 2011-05-25 无锡中星微电子有限公司 幼儿行为监控***及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MAHDI MOMENI-K,ET AL.: "Height Estimation From a Single Camera View", 《PROC. VISAPP 2012》 *
YASIR SALIH,ET AL: "Depth and Geometry from a Single 2D Image Using Triangulation", 《2012 IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA AND EXPO WORKSHOPS》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464782A (zh) * 2020-11-24 2021-03-09 惠州华阳通用电子有限公司 一种行人识别方法和***

Also Published As

Publication number Publication date
EP2926317A4 (en) 2016-08-03
WO2014085953A1 (en) 2014-06-12
US20150332089A1 (en) 2015-11-19
US10043067B2 (en) 2018-08-07
EP2926317A1 (en) 2015-10-07
EP2926317B1 (en) 2020-02-12

Similar Documents

Publication Publication Date Title
KR102109941B1 (ko) 라이다 센서 및 카메라를 이용한 객체 검출 방법 및 그를 위한 장치
CN107272021B (zh) 使用雷达和视觉定义的图像检测区域的对象检测
KR101188584B1 (ko) 카메라와 레이저 스캐너를 이용한 차량 전방 물체 판별장치
Keller et al. The benefits of dense stereo for pedestrian detection
Spinello et al. Human detection using multimodal and multidimensional features
US8050459B2 (en) System and method for detecting pedestrians
Prisacariu et al. Integrating object detection with 3D tracking towards a better driver assistance system
KR101569919B1 (ko) 차량의 위치 추정 장치 및 방법
CN104823218A (zh) 使用单一普通摄像机来检测行人的***和方法
US20130010095A1 (en) Face recognition device and face recognition method
JP2018063680A (ja) 交通信号認識方法および交通信号認識装置
Wu et al. An attempt to pedestrian detection in depth images
Tian et al. Fast cyclist detection by cascaded detector and geometric constraint
Kim et al. Autonomous vehicle detection system using visible and infrared camera
Suhr et al. Fast symbolic road marking and stop-line detection for vehicle localization
JP2015064752A (ja) 車両監視装置、および車両監視方法
Yoneda et al. Simultaneous state recognition for multiple traffic signals on urban road
Parada-Loira et al. Local contour patterns for fast traffic sign detection
Sung et al. Real-time traffic light recognition on mobile devices with geometry-based filtering
JP2014062415A (ja) 軌道検出装置及び軌道監視装置
KR101169340B1 (ko) 영상 처리 시스템에서의 객체 인식 방법 및 시스템
Jin et al. Method for pedestrian detection using ground plane constraint based on vision sensor
Saito et al. Pedestrian detection using a LRF and a small omni-view camera for outdoor personal mobility robot
JP4055785B2 (ja) 移動物体の高さ検出方法及び装置並びに物体形状判定方法及び装置
Rosebrock et al. Real-time vehicle detection with a single camera using shadow segmentation and temporal verification

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150805

RJ01 Rejection of invention patent application after publication