JP2008206071A - カメラ異常検知装置 - Google Patents
カメラ異常検知装置 Download PDFInfo
- Publication number
- JP2008206071A JP2008206071A JP2007042639A JP2007042639A JP2008206071A JP 2008206071 A JP2008206071 A JP 2008206071A JP 2007042639 A JP2007042639 A JP 2007042639A JP 2007042639 A JP2007042639 A JP 2007042639A JP 2008206071 A JP2008206071 A JP 2008206071A
- Authority
- JP
- Japan
- Prior art keywords
- complexity
- camera
- image
- abnormality
- unit
- 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.)
- Granted
Links
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
Abstract
【解決手段】ネットワークカメラ1により撮影された画像の複雑度を算出する複雑度算出部12を設け、パターン解析部14が複雑度算出部12により算出された複雑度の時間的変化を解析して、ネットワークカメラ1の異常を判定するように構成する。
【選択図】図1
Description
近年の映像監視システムは、デジタル化が進んでおり、IPネットワークを利用する大規模なシステムが開発される傾向にある。
例えば、監視員がカメラの映像をリアルタイムで見ている場合には、即座にカメラの異常が発見することができる。
しかし、映像監視システムが大規模になると、監視員が全てのカメラの映像をリアルタイムで見ることは難しく、普段は映像を蓄積しているだけのカメラも多い。
この場合、カメラの異常の発見が遅れ、カメラの異常の発見の遅れは映像監視システムにとって致命的となりうる。
以下の特許文献1には、処理量の増加を抑制するために、カメラにより撮影された映像を示す画像データを圧縮し、圧縮画像のデータ量の変化からカメラの異常を検知するカメラ異常検知装置が開示されている。
図1はこの発明の実施の形態1によるカメラ異常検知装置を示す構成図であり、図において、ネットワークカメラ1はネットワーク2に接続されている例えば防犯用のカメラであり、ネットワークカメラ1は所定の監視エリアを撮影し、その監視エリアの映像を示す画像データとしてJPEGデータをカメラ異常検知装置3に送信する。
カメラ異常検知装置3はネットワークカメラ1から送信されたJPEGデータを受信し、そのJPEGデータからネットワークカメラ1の異常を検知する処理を実施する。
複雑度算出部12は例えばMPUなどの半導体集積回路基板から構成されており、画像受信部11により受信されたJPEGデータから画像の複雑度を算出する処理を実施する。なお、複雑度算出部12は複雑度算出手段を構成している。
パターン解析部14は例えばMPUなどの半導体集積回路基板から構成されており、複雑度算出部12により算出された複雑度の時間的変化を解析して、ネットワークカメラ1の異常を判定する処理を実施する。即ち、複雑度算出部12により算出された複雑度を時系列軸上にプロットして複雑度の時間的変化パターンを構築する一方、正常時パターン記憶部13に記憶されている基準パターンの中から、複雑度算出部12により算出された複雑度と同一時刻の複雑度を抽出して、同時刻同士の複雑度の差分値を算出し、その差分値が基準値より大きければ、ネットワークカメラ1の異常を認定する処理を実施する。
なお、正常時パターン記憶部13、パターン解析部14及び異常度算出部15から異常判定手段が構成されている。
パターン学習部17は例えばMPUなどの半導体集積回路基板から構成されており、ユーザインタフェース部16により入力された判定結果が正常である旨を示していれば、正常時パターン記憶部13に記憶されている基準パターンを更新する処理を実施する。なお、パターン学習部17は正常時複雑度更新手段を構成している。
図3はこの発明の実施の形態1によるカメラ異常検知装置のパターン解析部14の処理内容を示すフローチャートである。
図4はこの発明の実施の形態1によるカメラ異常検知装置のパターン学習部17の処理内容を示すフローチャートである。
図5はパターン解析部14により時系列軸上にプロットされた複雑度の時間的変化パターンを示す説明図である。
カメラ異常検知装置3は、ネットワークカメラ1の異常検知処理を開始する前の初期化処理として、後述するパターン学習中フラグSFをクリアする(図2のステップST1)。
即ち、カメラ異常検知装置3は、SF=0にする。
カメラ異常検知装置3の画像受信部11は、ネットワーク2に対するインタフェース処理を実施して、ネットワークカメラ1から送信されたJPEGデータを受信する(ステップST2)。
即ち、複雑度算出部12は、画像受信部11により受信されたJPEGデータから画像の輝度成分又は色差成分の量子化行列(例えば、8行×8列の行列)を抽出する(ステップST3)。
ここで、画像の輝度成分又は色差成分の量子化行列は、例えば、JPEGデータを離散コサイン変換してDCT係数を求め、そのDCT係数から特定することができる。
複雑度算出部12は、画像の輝度成分又は色差成分の量子化行列を抽出すると、画像の複雑度として、その量子化行列における64個(=8×8個)の行列値の平均値を算出する(ステップST4)。
なお、画像の複雑度は、複雑な画像であるほど大きくなる。
以下、パターン解析部14における異常判定処理を具体的に説明する。
次に、パターン解析部14は、複雑度算出部12により算出された複雑度を時系列軸上にプロットして、複雑度の時間的変化パターンを構築する(図5を参照)。
例えば、現在時刻が19時5分であれば、0時0分から19時4分までの時間的変化パターンに19時5分の複雑度を追加するようにする。
例えば、現在時刻が19時5分であれば、基準パターンの中から19時5分の複雑度を抽出する。
次に、パターン解析部14は、複雑度算出部12により算出された現在時刻の複雑度と、基準パターンの中から抽出した現在時刻の複雑度との差分値を算出する(ステップST23)。
例えば、現在時刻が19時5分であれば、19時5分の異常状態フラグUFを“1”に設定する。
なお、ネットワークカメラ1のレンズが手で覆われるなどの状況が発生すると、正常時における画像と全く異なる画像になる。このため、ネットワークカメラ1により撮影された画像の複雑度も正常時における画像の複雑度と全く異なるので、双方の複雑度の差分値が大きくなり、その差分値が判定基準値より大きくなる。
例えば、現在時刻が19時5分であれば、19時5分の異常状態フラグUFを“0”に設定する。
例えば、19時2分の異常状態フラグUFが“0”、19時3分の異常状態フラグUFが“1”、19時4分の異常状態フラグUFが“1”、19時5分の異常状態フラグUFが“1”であれば、異常認定の持続時間が2分であると認定する。
また、19時3分の異常状態フラグUFが“0”、19時4分の異常状態フラグUFが“1”、19時5分の異常状態フラグUFが“1”であれば、異常認定の持続時間が1分であると認定する。
この場合、1つだけ異常状態フラグUFを用意すればよく、時刻毎の異常状態フラグUFを用意する必要がない。
即ち、異常度算出部15は、異常認定の持続時間が長いほど、ネットワークカメラ1の異常度を大きな値に設定する。
これにより、例えば、人がネットワークカメラ1の前を横切る際に、一時的にネットワークカメラ1を塞いでしまうような状況が発生した場合には、ネットワークカメラ1の異常度が小さな値にセットされる。
また、ネットワークカメラ1のレンズにスプレーが吹き付けられてしまうような持続的な異常が発生した場合には、ネットワークカメラ1の異常度が大きな値にセットされる。
一方、現在時刻の異常状態フラグUFが“1”であるか否かを判別し(ステップST6)、現在時刻の異常状態フラグUFが“0”であれば、ネットワークカメラ1は正常であるため、異常度算出部15は、ネットワークカメラ1の異常度を“0”にセットする(ステップST8)。
また、ユーザインタフェース部16は、ネットワークカメラ1の異常度に基づくユーザの最終的な異常判定を促し、ユーザの判定結果の入力を受け付けるようにする。
以下、パターン学習部17における基準パターンの更新処理を具体的に説明する。
パターン学習部17は、パターン解析部14により設定されたネットワークカメラ1の異常状態フラグUFが“1”であり(ステップST31)、かつ、パターン学習中フラグSFが“0”であれば(ステップST33)、ユーザの判定結果が、正常である旨を示しているか否かを判定する(ステップST34)。
パターン学習部17は、ユーザの判定結果が正常である旨を示していれば、パターン学習中フラグSFを“1”にセットする(ステップST35)。
例えば、現在時刻が19時5分であれば、基準パターンの中から19時5分の複雑度を抽出する。
パターン学習部17は、双方の複雑度の平均値を算出すると、その平均値を基準パターンにおける現在時刻の新たな複雑度として更新する(ステップST39)。
また、圧縮画像のデータ量の変化からネットワークカメラ1の異常を検知する手法ではないため、圧縮画像のデータ量の変動を抑制する機能を備えている製品にも適用することができる効果を奏する。
図6はこの発明の実施の形態2によるカメラ異常検知装置を示す構成図であり、図において、図1と同一符号は同一または相当部分を示すので説明を省略する。
ネットワークカメラ1a,1b,1cはネットワーク2に接続されている例えば防犯用のカメラであり、ネットワークカメラ1a,1b,1cは自己の監視エリアを撮影し、その監視エリアの映像を示す画像データとしてJPEGデータをカメラ異常検知装置3に送信する。
複雑度算出部22は例えばMPUなどの半導体集積回路基板から構成されており、画像受信部21により受信された各JPEGデータから、ネットワークカメラ1a,1b,1cにより撮影された画像の複雑度をそれぞれ算出する処理を実施する。なお、複雑度算出部22は複雑度算出手段を構成している。
異常カメラ認定部24は例えばMPUなどの半導体集積回路基板から構成されており、類似性判別部23により複雑度の時間的変化の類似性が損なわれていると判別された画像を撮影しているネットワークカメラ1を特定し、そのネットワークカメラ1の異常を認定する処理を実施する。なお、異常カメラ認定部24は異常カメラ認定手段を構成している。
ユーザインタフェース部26はディスプレイなどの表示装置からなるマンマシンインタフェースであり、異常度算出部25により算出されたネットワークカメラ1の異常度をユーザに提示する処理を実施する。
図8はこの発明の実施の形態1によるカメラ異常検知装置の類似性判別部23及び異常カメラ認定部24の処理内容を示すフローチャートである。
この実施の形態2では、近隣の監視エリアを撮影する複数台のネットワークカメラ1a,1b,1cの画像の複雑度を比較して、複雑度の時間的変化パターンの類似性を判別し、類似性が損なわれている画像を撮影しているネットワークカメラ1の異常を認定するものである。
この実施の形態2では、ネットワークカメラ1a,1b,1cが3台であるものについて説明するが、ネットワークカメラ1が4台以上設置されていてもよいことは言うまでもない。
この実施の形態2では、一定である差分値を異常判定用の基準値として使用する。
即ち、ネットワークカメラ1aにより撮影された画像の複雑度と、ネットワークカメラ1bにより撮影された画像の複雑度との一定の差分値を基準値Aとする。
また、ネットワークカメラ1aにより撮影された画像の複雑度と、ネットワークカメラ1cにより撮影された画像の複雑度との一定の差分値を基準値Bとする。
また、ネットワークカメラ1bにより撮影された画像の複雑度と、ネットワークカメラ1cにより撮影された画像の複雑度との一定の差分値を基準値Cとする。
カメラ異常検知装置3の画像受信部21は、処理対象のネットワークカメラ1を示す変数iを“1”に初期化して(図7のステップST41)、ネットワークカメラ1aから送信されたJPEGデータを受信する(ステップST42)。
この実施の形態2では、i=1のとき、処理対象のネットワークカメラ1がネットワークカメラ1a、i=2のとき、処理対象のネットワークカメラ1がネットワークカメラ1b、i=3のとき、処理対象のネットワークカメラ1がネットワークカメラ1cであるとする。
即ち、複雑度算出部22は、画像受信部21により受信されたJPEGデータから画像の輝度成分又は色差成分の量子化行列(例えば、8行×8列の行列)を抽出する(ステップST43)。
複雑度算出部22は、画像の輝度成分又は色差成分の量子化行列を抽出すると、画像の複雑度として、その量子化行列における64個(=8×8個)の行列値の平均値X(1)を算出する(ステップST44)。
複雑度算出部22は、画像受信部21がネットワークカメラ1bから送信されたJPEGデータを受信すると、そのJPEGデータから画像の輝度成分又は色差成分の量子化行列(例えば、8行×8列の行列)を抽出し(ステップST43)、画像の複雑度として、その量子化行列における64個(=8×8個)の行列値の平均値X(2)を算出する(ステップST44)。
複雑度算出部22は、画像受信部21がネットワークカメラ1cから送信されたJPEGデータを受信すると、そのJPEGデータから画像の輝度成分又は色差成分の量子化行列(例えば、8行×8列の行列)を抽出し(ステップST43)、画像の複雑度として、その量子化行列における64個(=8×8個)の行列値の平均値X(3)を算出する(ステップST44)。
以下、類似性判別部23及び異常カメラ認定部24の処理内容を具体的に説明する。
次に、類似性判別部23は、ネットワークカメラ1aにより撮影された画像の複雑度である平均値X(1)と、ネットワークカメラ1cにより撮影された画像の複雑度である平均値X(3)との差分値dBを算出する(ステップST62)。
また、類似性判別部23は、ネットワークカメラ1bにより撮影された画像の複雑度である平均値X(2)と、ネットワークカメラ1cにより撮影された画像の複雑度である平均値X(3)との差分値dCを算出する(ステップST63)。
また、同時に、ネットワークカメラ1aにより撮影された画像の複雑度である平均値X(1)と、ネットワークカメラ1cにより撮影された画像の複雑度である平均値X(3)との差分値dBが、予め設定している基準値Bを超えているか否かを判定する(ステップST64)。
異常カメラ認定部24は、類似性判別部23の類似性判別結果が、差分値dAが基準値Aより大きく、かつ、差分値dBが基準値Bより大きい旨を示していれば、ネットワークカメラ1aの異常を認定して、ネットワークカメラ1aの異常状態フラグu(1)を“1”にセットする(ステップST65)。
また、同時に、ネットワークカメラ1bにより撮影された画像の複雑度である平均値X(2)と、ネットワークカメラ1cにより撮影された画像の複雑度である平均値X(3)との差分値dCが、予め設定している基準値Cを超えているか否かを判定する(ステップST66)。
異常カメラ認定部24は、類似性判別部23の類似性判別結果が、差分値dAが基準値Aより大きく、かつ、差分値dCが基準値Cより大きい旨を示していれば、ネットワークカメラ1bの異常を認定して、ネットワークカメラ1bの異常状態フラグu(2)を“1”にセットする(ステップST67)。
また、同時に、ネットワークカメラ1bにより撮影された画像の複雑度である平均値X(2)と、ネットワークカメラ1cにより撮影された画像の複雑度である平均値X(3)との差分値dCが、予め設定している基準値Cを超えているか否かを判定する(ステップST68)。
異常カメラ認定部24は、類似性判別部23の類似性判別結果が、差分値dBが基準値Bより大きく、かつ、差分値dCが基準値Cより大きい旨を示していれば、ネットワークカメラ1cの異常を認定して、ネットワークカメラ1cの異常状態フラグu(3)を“1”にセットする(ステップST69)。
即ち、異常度算出部25は、処理対象のネットワークカメラ1を示す変数iを“1”に初期化して(図7のステップST48)、ネットワークカメラ1aの異常状態フラグu(1)が“1”にセットされているか否かを判定する(ステップST49)。
異常度算出部25は、ネットワークカメラ1aの異常状態フラグu(1)が“1”であれば、異常状態フラグu(1)が“1”の持続時間を計算する。
即ち、異常度算出部25は、異常状態フラグu(1)が“0”から“1”に変化した時点の時刻を記憶しており、変化した時点の時刻から現在の時刻までの時間を、異常状態フラグu(1)“1”の持続時間として計算する。
そして、異常度算出部25は、異常状態フラグu(1)“1”の持続時間からネットワークカメラ1aの異常度v(1)を算出する(ステップST50)。
異常度算出部15は、異常状態フラグu(1)“1”の持続時間が長いほど、ネットワークカメラ1aの異常度v(1)を大きな値に設定する。
一方、ネットワークカメラ1aの異常状態フラグu(1)が“0”であれば、ネットワークカメラ1aは正常であるため、異常度算出部25は、ネットワークカメラ1aの異常度v(1)を“0”にセットする(ステップST51)。
異常度算出部25は、ネットワークカメラ1bの異常状態フラグu(2)が“1”であれば、ネットワークカメラ1aの異常度v(1)と同様にして、ネットワークカメラ1bの異常度v(2)を算出する(ステップST50)。
一方、ネットワークカメラ1bの異常状態フラグu(2)が“0”であれば、ネットワークカメラ1bは正常であるため、異常度算出部25は、ネットワークカメラ1bの異常度v(2)を“0”にセットする(ステップST51)。
異常度算出部25は、ネットワークカメラ1cの異常状態フラグu(3)が“1”であれば、ネットワークカメラ1aの異常度v(1)と同様にして、ネットワークカメラ1cの異常度v(3)を算出する(ステップST50)。
一方、ネットワークカメラ1cの異常状態フラグu(3)が“0”であれば、ネットワークカメラ1cは正常であるため、異常度算出部25は、ネットワークカメラ1cの異常度v(3)を“0”にセットする(ステップST51)。
Claims (7)
- カメラにより撮影された画像を受信する画像受信手段と、上記画像受信手段により受信された画像の複雑度を算出する複雑度算出手段と、上記複雑度算出手段により算出された複雑度の時間的変化を解析して、上記カメラの異常を判定する異常判定手段とを備えたカメラ異常検知装置。
- 複雑度算出手段は、画像受信手段により受信された画像の輝度成分又は色差成分の量子化行列を抽出し、上記量子化行列から画像の複雑度を算出することを特徴とする請求項1記載のカメラ異常検知装置。
- 複雑度算出手段は、画像の複雑度として、量子化行列における行列値の平均値を算出することを特徴とする請求項2記載のカメラ異常検知装置。
- 異常判定手段は、予め正常時における画像の複雑度の時間的変化を保持し、複雑度算出手段により算出された複雑度と、正常時における画像の複雑度とを同時刻同士で比較して、双方の複雑度の差分値が基準値以上である持続時間を求め、上記持続時間からカメラの異常度を算出することを特徴とする請求項1から請求項3のうちのいずれか1項記載のカメラ異常検知装置。
- 異常判定手段により算出されたカメラの異常度をユーザに提示して、ユーザの判定結果を入力するユーザインタフェース手段と、上記ユーザインタフェース手段により入力された判定結果が正常である旨を示していれば、正常時における画像の複雑度を更新する正常時複雑度更新手段とを設けたことを特徴とする請求項4記載のカメラ異常検知装置。
- 正常時複雑度更新手段は、正常時における画像の複雑度と複雑度算出手段により算出された複雑度の平均値を算出し、その平均値を正常時における画像の新たな複雑度として更新することを特徴とする請求項5記載のカメラ異常検知装置。
- 複数のカメラにより撮影された画像を受信する画像受信手段と、上記画像受信手段により受信された複数の画像の複雑度を算出する複雑度算出手段と、上記複雑度算出手段により算出された複数の画像の複雑度の時間的変化の類似性を判別する類似性判別手段と、上記類似性判別手段により複雑度の時間的変化の類似性が損なわれていると判別された画像を撮影しているカメラを特定し、上記カメラの異常を認定する異常カメラ認定手段とを備えたカメラ異常検知装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007042639A JP4846619B2 (ja) | 2007-02-22 | 2007-02-22 | カメラ異常検知装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007042639A JP4846619B2 (ja) | 2007-02-22 | 2007-02-22 | カメラ異常検知装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008206071A true JP2008206071A (ja) | 2008-09-04 |
JP4846619B2 JP4846619B2 (ja) | 2011-12-28 |
Family
ID=39783029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007042639A Expired - Fee Related JP4846619B2 (ja) | 2007-02-22 | 2007-02-22 | カメラ異常検知装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4846619B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020075283A1 (ja) * | 2018-10-11 | 2020-04-16 | 株式会社オプティム | 異常者予知システム、異常者予知方法、およびプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11275563A (ja) * | 1998-03-26 | 1999-10-08 | Kyocera Corp | 遠隔モニタリング装置 |
JP2001054100A (ja) * | 1999-08-10 | 2001-02-23 | Mega Chips Corp | 監視装置 |
JP2002359847A (ja) * | 2001-06-01 | 2002-12-13 | K Solution:Kk | 動画像監視装置 |
JP2003153245A (ja) * | 2001-11-15 | 2003-05-23 | Chuo Electronics Co Ltd | 静止画像伝送方式の監視装置における監視用カメラの異常検出方法 |
JP2005184070A (ja) * | 2003-12-16 | 2005-07-07 | Matsushita Electric Ind Co Ltd | 監視システム |
-
2007
- 2007-02-22 JP JP2007042639A patent/JP4846619B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11275563A (ja) * | 1998-03-26 | 1999-10-08 | Kyocera Corp | 遠隔モニタリング装置 |
JP2001054100A (ja) * | 1999-08-10 | 2001-02-23 | Mega Chips Corp | 監視装置 |
JP2002359847A (ja) * | 2001-06-01 | 2002-12-13 | K Solution:Kk | 動画像監視装置 |
JP2003153245A (ja) * | 2001-11-15 | 2003-05-23 | Chuo Electronics Co Ltd | 静止画像伝送方式の監視装置における監視用カメラの異常検出方法 |
JP2005184070A (ja) * | 2003-12-16 | 2005-07-07 | Matsushita Electric Ind Co Ltd | 監視システム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020075283A1 (ja) * | 2018-10-11 | 2020-04-16 | 株式会社オプティム | 異常者予知システム、異常者予知方法、およびプログラム |
JPWO2020075283A1 (ja) * | 2018-10-11 | 2021-09-02 | 株式会社オプティム | 異常者予知システム、異常者予知方法、およびプログラム |
JP7009021B2 (ja) | 2018-10-11 | 2022-01-25 | 株式会社オプティム | 異常者予知システム、異常者予知方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP4846619B2 (ja) | 2011-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10991224B2 (en) | Fire detection system based on artificial intelligence and fire detection method based on artificial intelligence | |
US8159538B2 (en) | Monitoring apparatus, filter calibration method, and filter calibration program | |
JP5669082B2 (ja) | 照合装置 | |
KR102407327B1 (ko) | 화재감지장치 및 이를 포함하는 화재감지시스템 | |
EP2903261A1 (en) | Apparatus and method for detecting event from plurality of photographed images | |
CN110021133B (zh) | 全天候消防火灾巡逻预警监控***及火灾图像检测方法 | |
WO2014042514A2 (en) | A surveillance system and a method for tampering detection and correction | |
CN104284143A (zh) | 图像监控***及其方法 | |
US20140355828A1 (en) | Setting apparatus, setting method, and storage medium | |
CN112153373A (zh) | 明厨亮灶设备的故障识别方法、装置及存储介质 | |
JP2020160804A (ja) | 情報処理装置、プログラム及び情報処理方法 | |
CN113989735A (zh) | 基于视频图片的人工智能烟火分析方法及*** | |
JPH09233461A (ja) | 赤外線火災監視装置 | |
US8311345B2 (en) | Method and system for detecting flame | |
JP4846619B2 (ja) | カメラ異常検知装置 | |
JP2009239507A (ja) | 監視システム | |
JP5710230B2 (ja) | 監視システムおよび監視方法 | |
KR20060041555A (ko) | 화력발전소 화재발생 감지 및 경보 시스템 | |
CN116597375A (zh) | 制造行业现场工艺的异常操作行为检测方法及装置 | |
KR20170100319A (ko) | 실시간 화재감지 방법 | |
JP3450529B2 (ja) | 映像自動モニタ装置 | |
JP6850166B2 (ja) | 映像ストリームの一致判定プログラム | |
KR101460440B1 (ko) | 화재 감지 기능을 가지는 카메라 및 그 화재 감지 방법 | |
CN109040614A (zh) | 一种多画面视频处理器场景处理*** | |
JP2002204444A (ja) | 人物監視システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20080707 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20091119 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110418 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110426 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110607 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20111004 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20111012 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20141021 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |