JP2011123742A - 侵入物体検知装置 - Google Patents
侵入物体検知装置 Download PDFInfo
- Publication number
- JP2011123742A JP2011123742A JP2009281889A JP2009281889A JP2011123742A JP 2011123742 A JP2011123742 A JP 2011123742A JP 2009281889 A JP2009281889 A JP 2009281889A JP 2009281889 A JP2009281889 A JP 2009281889A JP 2011123742 A JP2011123742 A JP 2011123742A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- background
- value
- intruding object
- background model
- 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
- Image Analysis (AREA)
Abstract
【解決手段】侵入物体検知装置1は、監視空間を撮像して監視画像を生成する撮像部10と、複数の監視画像の各画素における画素値の出現確率分布を表す背景モデル、及び背景モデルを代表する画素値を代表画素値として記憶する記憶部23と、監視画像の注目画素の画素値を、注目画素に対応する背景モデルの代表画素値にて置換することにより合成背景画像を生成する背景合成部242と、監視画像の注目画素及び注目画素の近傍に位置する複数の画素を含む局所領域を設定し、局所領域における監視画像と局所領域における合成背景画像の相関値を注目画素の相関値として算出する相関値算出部243と、相関値が所定の閾値以下となる画素に基づいて監視空間に侵入物体が存在するか否かを判定する侵入物体検出部244とを有する。
【選択図】図2
Description
本発明を適用した侵入物体検知装置は、監視空間である庭を撮影した監視画像と、監視画像の各画素における、背景に相当する画素値の出現確率を表す背景モデルから、監視空間内に侵入した侵入物体である侵入者を検知する。特に、この侵入物体検知装置は、監視画像の各画素を背景モデルが表す背景に相当する画素値範囲の代表値で近似した合成背景画像を作成するとともに、複数の画素を含む局所領域単位での監視画像と合成背景画像の一致度合いを調べることで、照度変動及び背景構造物の形状変化による侵入物体の誤検出を防ぐ。
そして侵入物体検知装置1が、監視空間内に侵入した侵入物体を検知すると、侵入物体を検知したことを示す検知信号を、ローカルエリアネットワーク2を通じてコントローラ3へ送信する。コントローラ3は、侵入物体検知装置1から検知信号を受信すると、検知信号及び侵入物体が検知された監視空間を特定する識別コードなどの情報を警備センタ装置5へ送信する。なお、侵入物体が検知された監視空間を特定する識別コードは、例えば、侵入物体検知装置1または対応する監視空間若しくはコントローラ3の識別コードなどとすることができる。
監視画像は、各画素が例えば0〜255の画素値を有するデジタル画像データとして表現される。なお、撮像装置10は、監視画像をカラー画像として作成してもよい。
撮像装置10は、監視画像を取得する度に、その監視画像を制御装置20へ送信する。
そのために、画像処理部24は、背景モデル作成部240と、信頼性判定部241と、背景合成部242と、相関値算出部243と、侵入物体検出部244とを有する。画像処理部24が有するこれらの各部は、画像処理部24が有する演算装置上で動作するソフトウェアモジュールとして実装される。
ここで、時刻tにおいて新たな監視画像が得られると、背景モデル作成部240は、重み係数wiを、以下に示す(2)式に従って更新する。
背景モデル作成部240は、更新した各画素の背景モデルに含まれる部分背景モデルを規定する各パラメータmi、σi 2、重み係数wi及び代表画素値γiを記憶部23に記憶する。
代表画素値が部分背景モデルごとに設定されている本例の場合、部分背景モデルの信頼性の有無が代表画素値の信頼性の有無となる。信頼性判定部241は、注目する画素のi番目の部分背景モデルN(xt;mi,σi 2)の信頼性の有無を、以下の何れかの判定基準の少なくとも一つに従って判定する。
(1)信頼性判定部241は、部分背景モデルN(xt;mi,σi 2)に対する選出回数を、その部分背景モデルが背景に相当する画素の出現確率を表すことの確からしさを示す信頼度とし、その選出回数が多いほど、信頼性が高いと判定する。この場合、背景モデルが作成されたときに各部分背景モデルに対する選出回数は0に初期化される。そして信頼性判定部241は、背景モデルが更新される度に、背景モデルの更新に用いられた画素値とのマハラノビス距離が最も近い部分背景モデルの平均値を決定し、その平均値に対応する部分背景モデルに対する選出回数を1インクリメントする。そして信頼性判定部241は、部分背景モデルN(xt;mi,σi 2)について、対応する選出回数が所定の閾値Tr1以上であれば、その部分背景モデルN(xt;mi,σi 2)は信頼性を有すると判定する。一方、対応する選出回数が所定の閾値Tr1未満であれば、信頼性判定部241は、部分背景モデルN(xt;mi,σi 2)は信頼性を有さないと判定する。なお選出回数は、直近の一定期間(例えば、1分間あるいは10分間)に取得された監視画像に限定してカウントされてもよい。これにより、監視空間の環境条件が時間的に変化することにより、背景に相当する画素値が変動する場合でも、信頼性判定部241は、各部分背景モデルの信頼性を正確に評価できる。
なお、閾値Tr1は、例えば、同一画素において侵入物体が連続的に写ると想定される滞在期間の上限値に設定される。例えば、その滞在期間の上限値が10秒間であれば、閾値Tr1は、10秒間に取得される監視画像の数、例えば50に設定される。
重み係数wiは、(2)式から明らかなように、対応する部分背景モデルN(xt;mi,σi 2)にマッチする画素値の出現頻度が高いほど大きな値となる。そして重み係数の総和は1に設定される。そのため、重み係数wiは、部分背景モデルN(xt;mi,σi 2)が監視画像の注目画素に現れる事前確率に相当する。従って、対応する重み係数が大きい部分背景モデルほど、真に背景を表している信頼性が高いと推定される。
なお、閾値Tr2は、例えば、同一画素において侵入物体が連続的に写ると想定される滞在期間の上限値に相当する事前確率に設定される。例えば、閾値Tr2は、0.2に設定される。あるいは、閾値Tr2は、注目画素に写る背景を部分的に表すに足る事前確率に相当する値、例えば、0.3に設定されてもよい。
分散σi 2が小さいほど、対応する部分背景モデルN(xt;mi,σi 2)に相当する画素値のバラツキは小さいので、その部分背景モデルN(xt;mi,σi 2)が注目画素に写る背景の特定の構造物に相当する画素値を表している可能性は高い。したがって、wi/σi 2が大きい部分背景モデルほど、真に背景を表している信頼性が高いと推定される。
なお、閾値Tr3は、例えば、同一画素において侵入物体が連続的に写ると想定される滞在期間の上限値に相当する事前確率と、実験的に定められる画素値のバラツキの上限に相当する分散値との比、例えば、0.03に設定される。あるいは、閾値Tr3は、注目画素に写る背景を部分的に表すに足る事前確率に相当する値と、実験的に定められる画素値のバラツキの下限に相当する分散値との比に設定されてもよい。
なお、閾値Tsは、例えば、同一画素において侵入物体が連続的に写ると想定される滞在期間の上限値に相当する事前確率0.2を1.0から減じた値、すなわち0.8に設定される。
信頼性判定部241は、各部分背景モデルに対する信頼性判定結果を、対応する部分背景モデルと関連付けて記憶部23に記憶する。
背景モデルテーブル400には、左の列から順に、部分背景モデルの識別番号、平均値mi、分散値σi 2、対応する重み係数wi、代表画素値γi及び部分背景モデルに対する信頼性判定結果を表す判定フラグが含まれる。なお、判定フラグは、例えば、信頼性有りと判定された部分背景モデルに対して'1'に設定され、信頼性無しと判定された部分背景モデルに対して'0'に設定される。また各行には、一つの部分背景モデルのパラメータが含まれる。例えば、行401を参照すると、識別番号1の部分背景モデルについて、平均値m1=180、分散値σ1 2=100、重み係数w1=0.5、代表画素値γ1=180、信頼性有りであることが示されている。
背景合成部242は、監視画像の各画素の画素値を、当該画素値に最も近い代表画素値で置換することにより、合成背景画像を作成する。
具体的には、背景合成部242は、次式に従って注目する画素の画素値xと部分背景モデルN(x;mi,σi 2)とのマハラノビス距離di(i=1,2,...,K)、及びその最小距離Dを算出し、注目する画素の画素値xを、最小距離Dが算出された部分背景モデルの代表画素値で置換する。
監視画像の画素値と代表画素値の距離は、L2距離として算出することもできるが、L2距離をσiにより正規化したマハラノビス距離として算出することにより、個々の部分背景モデルが表す部分分布の広がりの違いが加味される。換言すると、部分背景モデルとその代表画素値を正規分布とその平均値に設定することで分布状態を加味したより正確な近似が可能となっているのである。
例えば、注目する画素の背景モデルが図4の背景モデルテーブル400で表され、当該画素の画素値との距離が最小となる部分背景モデルの識別番号が'1'である場合、背景合成部242は、合成背景画像における当該画素の画素値を、識別番号'1'に対応する代表画素値である'180'とする。
背景合成部242は、作成した合成背景画像を相関値算出部243へ渡す。
注目する画素の正規化相関値Cは、次式により算出される。
この正規化相関値Cの値域は、-1〜1であり、監視画像と合成背景画像の同一領域内の画素値パターンが似ているほど、正規化相関値Cの値は1に近づく。逆に、監視画像と合成背景画像の同一領域内の画素値パターンが異なるほど、正規化相関値Cの値は小さくなり、両画像の同一領域内の画素値パターンが反転している場合に正規化相関値Cの値は-1となる。
このようにして算出される正規化相関値Cは、急激な照度変動の影響を受けずに侵入物体と背景とを切り分けることを可能にする。以下、このことについて説明する。
他方、急激な照度変動がないときに撮像された監視画像において侵入物体が写っている画素に対しては、その画素値と近い代表画素値が存在する可能性は低い。つまり、合成背景画像において当該画素の近似精度は低い。そのため、急激な照度変動がないときに撮像された監視画像において侵入物体が写っている局所領域では低い正規化相関値が算出される。
ただし、照度変動が生じた部分に対応する監視画像上の領域では、一様に画素値が変動する。例えば、日が当たっていた部分に急激に日が当たらなくなると、その部分に対応する監視画像上の領域内の各画素の値が、それまでと比較してほぼ同程度だけ低くなる。すなわち、照度変動が生じた部分に対応する領域内でも、背景が写っている限り、画素値パターン(近傍画素との画素値の相対関係)は、合成背景画像において再現される。そのため、照度変動が生じたとしても、背景が写っている局所領域では、高い正規化相関値が算出されるのである。他方、侵入物体が写っている局所領域では、合成背景画像上で画素値パターンは再現されないため、低い正規化相関値が算出される。
部分画像510中の画素511に対応する背景モデル550が、3個の部分背景モデル551〜553によって構成されている。このとき、画素511の画素値xと各部分背景モデルの平均値m1〜m3とのマハラノビス距離のうち、部分背景モデル551の平均値m1とのマハラノビス距離が最も近い。そのため、合成背景画像520において画素511と対応する画素531の画素値は、部分背景モデル551の代表画素値γ1(=m1)に設定される。このように、画素531には画素511より輝度の高い画素値が設定されるが、近傍の画素でも同程度だけ輝度の高い画素が設定される。これは、近傍の画素の背景モデルも背景モデル550と同じ環境で生成されているためである。その結果、部分画像530は、部分画像510よりも全体的に明るくなるものの、背景である木などの画素値パターンは、部分画像510と部分画像530とで互いに類似している。そのため、部分画像530の局所領域532と部分画像510の局所領域512との正規化相関値(つまり、画素511の正規化相関値)は高い値となる。
上記のように、正規化相関値Cが低いほど、その画素には背景以外のもの、例えば侵入物体が写っている可能性が高い。そこで侵入物体検出部244は、正規化相関値Cが所定の閾値Tc以下となる画素を侵入物体候補画素として検出し、侵入物体候補画素に基づいて侵入物体の存在を判定する。なお、所定の閾値Tcは、例えば、0.7に予め設定される。
侵入物体検出部244は、侵入物体候補画素に対してラベリング処理を行い、互いに近接した侵入物体候補画素群を一つの侵入物体候補領域として連結する。そして侵入物体検出部244は、互いに独立した侵入物体候補領域、すなわち、互いに連結されない侵入物体候補領域ごとに異なるラベルを付す。なお、ラベリング処理は公知の技術であるので、ここでは詳細な説明は省略する。
上記面積は、侵入物体候補領域の侵入物体らしさを表す属性情報の一つである。属性情報には、他にも、侵入物体候補領域の縦横比、輝度分散値などのテクスチャ情報若しくは色情報、複数の監視画像に渡って検出された侵入物体候補領域をトラッキングすることで求められる移動速度などを含めることができる。なお、本実施形態においては、様々な公知の属性情報を利用でき、その算出方法も公知であるので、属性情報の算出方法の詳細な説明は省略する。
なお、侵入物体検出部244は、属性情報が属性基準値の範囲内か否か判定するために、様々な公知の方法を利用することができる。例えば、侵入物体検出部244は、特開2001−243475号公報に開示されるように、「侵入物体らしさ」を表す類似度をファジー理論のメンバシップ関数を用いて算出し、得られた類似度が所定の閾値以上となれば、属性情報が属性基準値の範囲内であると判定してもよい。
画像処理部24は、画像インターフェース部21を介して撮像装置10から監視画像を取得する(ステップS101)。そして画像処理部24の背景合成部242は、背景モデルを用いて監視画像の各画素を近似することにより合成背景画像を生成する(ステップ102;詳細は図7を参照して後述)。そして背景合成部242は、作成した合成背景画像を画像処理部24の相関値算出部243へ渡す。
相関値算出部243は、監視画像と合成背景画像の各画素について、その画素を含む局所領域間の正規化相関値Cを算出する(ステップS103;詳細は図8を参照して後述)。相関値算出部243は、各画素の正規化相関値Cを画像処理部24の侵入物体検出部244へ渡す。そして侵入物体検出部244は、各画素の正規化相関値Cに基づいて侵入物体存在判定処理を実行し(ステップS104;詳細は図9を参照して後述)、監視空間内に侵入物体が存在すると判定された場合(ステップS105にてYes)、侵入物体検出部244は、通信部22を介して、侵入物体を検知したことを示す検知信号をコントローラ3へ出力する(ステップS106)。
その後、画像処理部24は、1枚の監視画像に対する侵入物体検知処理を終了する。
背景合成部242は、監視画像の各画素のうち、注目画素に設定されていない画素を注目画素に設定する(ステップS201)。そして背景合成部242は、記憶部23から注目画素の背景モデル関連のパラメータを読み出す(ステップS202)。
次に、背景合成部242は、読み出した背景モデルの代表画素値のうち、注目代表画素値に設定されていない代表画素値を注目代表画素値に設定する(ステップS203)。そして背景合成部242は、読み出した背景モデルのパラメータを参照することにより、注目代表画素値が信頼性を有するか否か判定する(ステップS204)。注目代表画素値が信頼性を有する場合、背景合成部242は、注目画素の画素値と注目代表画素値との距離を、(6)式に従って算出する(ステップS205)。
ステップS205の後、あるいはステップS204にて注目代表画素値が信頼性を有さない場合、背景合成部242は、注目画素に対応する全ての代表画素値が注目代表画素値に設定されたか否か判定する(ステップS206)。
こうして、注目画素に対応する全ての代表画素値に対する処理が終わると、背景合成部242は、注目画素に対して最小の距離が算出された代表画素値を選択し(ステップS207)、合成背景画像における注目画素の画素値を選択された代表画素値で置換する(ステップS208)。
ステップS208の後、背景合成部242は、監視画像の全ての画素が注目画素に設定されたか否か判定する(ステップS209)。何れかの画素が注目画素に設定されていない場合、背景合成部242は、ステップS201〜S209の処理を繰り返す。
こうして、全ての画素に対する処理が終わると、背景合成部242は、背景合成処理を終了する。
相関値算出部243は、監視画像の各画素のうち、注目画素に設定されていない画素を注目画素に設定する(ステップS301)。そして相関値算出部243は、注目画素及びその周囲の複数の画素を含む局所領域を設定する(ステップS302)。相関値算出部243は、局所領域に対応する監視画像及び合成背景画像の画素値に基づいて、(7)式の分母値Vを算出する(ステップS303)。相関値算出部243は、分母値Vが閾値Tvより大きいか否か判定する(ステップS304)。分母値Vが閾値Tv以下であれば、正規化相関値Cの信頼性の低さが原因で侵入物体の検出に失敗しないよう、相関値算出部243は、注目画素の正規化相関値Cを-1に設定する(ステップS305)。
一方、分母値Vが閾値Tvよりも大きければ、相関値算出部243は注目画素の正規化相関値Cを(7)式に従って算出する(ステップS306)。
ステップS305またはS306の後、相関値算出部243は、監視画像の全ての画素が注目画素に設定されたか否か判定する(ステップS307)。何れかの画素が注目画素に設定されていない場合、相関値算出部243は、ステップS301〜S307の処理を繰り返す。
こうして、全ての画素に対する処理を終えると、相関値算出部243は、正規化相関値算出処理を終了する。
侵入物体検出部244は、監視画像の各画素のうち、算出された正規化相関値が閾値Tc以下となる画素を侵入物体候補画素として抽出する(ステップS401)。侵入物体候補画素が抽出されると、侵入物体検出部244は、ラベリング処理を実行して、互いに近接する侵入物体候補画素を連結することにより、侵入物体候補領域を求める(ステップS402)。
一方、ステップS405において、注目領域の属性情報が属性基準値の範囲から外れる場合、侵入物体検出部244は、注目領域に設定されていない侵入物体候補領域が存在するか否か調べる(ステップS407)。そして注目領域に設定されていない侵入物体候補領域が存在すれば、侵入物体検出部244は、ステップS403〜S407の処理を繰り返す。一方、ステップS407において、注目領域に設定されていない侵入物体候補領域がなく、全ての侵入物体候補領域についてステップS403〜S406の処理が終了していれば、侵入物体検出部244は、侵入物体は存在しないと判定し(ステップS408)、その後侵入物体存在判定処理を終了する。
そしてこの侵入物体検知装置は、各画素について、その画素及び周囲の画素を含む局所領域単位で算出された監視画像と合成背景画像の正規化相関値に基づいて、監視空間内に侵入物体が存在するか否かを判定する。そのため、この侵入物体検知装置は、周辺における監視画像と合成背景画像の画素値パターンが異なる画素のみを侵入物体が写っている候補として検出できる。従って、この侵入物体検知装置は、照度変動により画素値が急激に変動してその画素値が背景モデルと乖離する画素を侵入物体として誤検出することを防止できる。特に、背景構造物の形状変化と急激な照度変動が生じても、この侵入物体検知装置はこれらを侵入物体として誤検出することを防止できる。このとき、背景モデルから合成背景画像を生成することにより、監視画像と背景モデルとを局所領域単位で比較することが可能となっている。
またこの場合、信頼性判定部241は、代表画素値の出現確率が予め設定された閾値Tr2を超えていれば、その代表画素値は信頼性を有すると判定し、一方、その出現確率が閾値Tr2以下であれば、その代表画素値は信頼性を有さないと判定する。なお閾値Tr2は、例えば、同一画素において侵入物体が連続的に写ると想定される滞在期間の上限値に相当する事前確率に設定される。例えば、閾値Tr2は、0.2に設定される。
また背景合成部242は、監視画像の各画素の値と代表画素値との距離を、マハラノビス距離の代わりに両画素値の差の絶対値とする。
具体的には、背景差分部は、監視画像の各画素について、その画素値とその画素に対応する背景モデルとの距離Dを、(5)、(6)式に従って算出する。
背景差分部は、各画素におけるその距離Dを所定の閾値Tdとそれぞれ比較する。そして背景差分部は、その距離Dが所定の閾値Tdよりも大きい画素を前景画素とする。なお、閾値Tdは、例えば、2に設定される。
背景差分部は、各画素についての前景画素か否かの判定結果を相関値算出部243へ通知する。また背景差分部は、必要に応じて、各画素の画素値とのマハラノビス距離が最小となる部分背景モデルに対応する代表画素値を、背景合成部242へ通知する。
また、上記のように、背景差分部が前景画素を決定するために画素値と各部分背景モデルの平均値とのマハラノビス距離の最小値を求める処理は、背景合成部242が各画素の画素値を置換する代表画素値を決定するためにマハラノビス距離の最小値を求める処理と同一である。そこで、背景合成部242は、合成背景画像の各画素値を、背景差分部から通知された部分背景モデルの代表画素値としてもよい。
この場合、背景合成部242は、第1段階の判定基準を用いた信頼性判定により信頼性有りと判定された代表画素値との距離の最小値を求める。そして背景合成部242は、その最小値に対応する代表画素値を置換に用いる。一方、背景差分部は、第2段階の判定基準を用いた信頼性判定により信頼性有りと判定された代表画素値との距離を閾値Tdと比較して前景画素を検出する。これにより、背景差分部が、侵入物体が写っている画素を、背景合成部242等での処理対象とならないように分類してしまうことを防止できる。
2 ローカルエリアネットワーク
3 コントローラ
4 広域通信ネットワーク
5 警備センタ装置
10 撮像装置
20 制御装置
21 画像インターフェース部
22 通信部
23 記憶部
24 画像処理部
240 背景モデル作成部
241 信頼性判定部
242 背景合成部
243 相関値算出部
244 侵入物体検出部
Claims (3)
- 監視空間を撮像して監視画像を生成する撮像部と、
複数の前記監視画像の各画素における画素値の出現確率分布を表す背景モデル、及び前記背景モデルごとに出現確率が略極大値を示す1以上の画素値を代表画素値として記憶する記憶部と、
前記監視画像の注目画素の画素値を、当該注目画素に対応する前記背景モデルの代表画素値にて置換することにより合成背景画像を生成する背景合成部と、
前記監視画像の注目画素及び当該注目画素の近傍に位置する複数の画素を含む局所領域を設定し、当該局所領域における前記監視画像と当該局所領域における前記合成背景画像の相関値を前記注目画素の相関値として算出する相関値算出部と、
前記相関値が所定の閾値以下となる画素を検出し、前記検出された画素を用いて前記監視空間に侵入物体が存在するか否かを判定する侵入物体検出部と、
を有することを特徴とした侵入物体検知装置。 - 前記記憶部は、前記背景モデルとして前記出現確率分布の互いに異なる一部の分布範囲を表す複数の部分背景モデル、及び前記代表画素値として前記部分背景モデルごとに前記分布範囲にて略極大値を示す画素値を記憶し、
前記背景合成部は、前記監視画像の注目画素に対応する前記部分背景モデルの前記代表画素値のうち、当該注目画素の画素値に最も近い代表画素値にて前記置換を行う、
請求項1に記載の侵入物体検知装置。 - 前記部分背景モデルが表す出現確率分布の信頼度を求め、当該信頼度が所定の基準を満たすときに当該部分背景モデルの代表画素値に信頼性があると判定する信頼性判定部をさらに有し、
前記背景合成部は、前記信頼性判定部により信頼性があると判定された前記代表画素値の中から前記置換に用いる代表画素値を選択する、請求項2に記載の侵入物体検知装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009281889A JP5388829B2 (ja) | 2009-12-11 | 2009-12-11 | 侵入物体検知装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009281889A JP5388829B2 (ja) | 2009-12-11 | 2009-12-11 | 侵入物体検知装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011123742A true JP2011123742A (ja) | 2011-06-23 |
JP5388829B2 JP5388829B2 (ja) | 2014-01-15 |
Family
ID=44287561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009281889A Expired - Fee Related JP5388829B2 (ja) | 2009-12-11 | 2009-12-11 | 侵入物体検知装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5388829B2 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013025434A (ja) * | 2011-07-19 | 2013-02-04 | Omron Corp | 画像処理ユニット、および画像処理プログラム |
JP2013186817A (ja) * | 2012-03-09 | 2013-09-19 | Omron Corp | 画像処理装置、画像処理方法、および画像処理プログラム |
JP2015088132A (ja) * | 2013-11-01 | 2015-05-07 | セコム株式会社 | 画像処理装置 |
US9202286B2 (en) | 2013-07-16 | 2015-12-01 | Nk Works Co., Ltd. | Image processing apparatus, computer-readable medium storing an image processing program, and image processing method |
JP2016094262A (ja) * | 2014-11-12 | 2016-05-26 | 東芝エレベータ株式会社 | 乗客コンベア |
JP2017107407A (ja) * | 2015-12-10 | 2017-06-15 | 株式会社メガチップス | 画像処理装置、制御プログラム及び前景画像特定方法 |
JP2017135656A (ja) * | 2016-01-29 | 2017-08-03 | セコム株式会社 | 空間認識装置 |
JP2017538978A (ja) * | 2015-10-28 | 2017-12-28 | 小米科技有限責任公司Xiaomi Inc. | 警報方法および装置 |
JP2018185623A (ja) * | 2017-04-25 | 2018-11-22 | セコム株式会社 | 物体検出装置 |
JP2021034763A (ja) * | 2019-08-16 | 2021-03-01 | セコム株式会社 | 画像処理装置及び画像処理プログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007328755A (ja) * | 2006-05-08 | 2007-12-20 | Sony Corp | 画像処理装置、画像処理方法およびプログラム |
JP2009048240A (ja) * | 2007-08-13 | 2009-03-05 | Tokyo Institute Of Technology | 動画像における移動物体の検出方法、検出装置、監視方法および監視システム |
-
2009
- 2009-12-11 JP JP2009281889A patent/JP5388829B2/ja not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007328755A (ja) * | 2006-05-08 | 2007-12-20 | Sony Corp | 画像処理装置、画像処理方法およびプログラム |
JP2009048240A (ja) * | 2007-08-13 | 2009-03-05 | Tokyo Institute Of Technology | 動画像における移動物体の検出方法、検出装置、監視方法および監視システム |
Non-Patent Citations (3)
Title |
---|
CSNG200600622005; 杉山賢治 外3名: 'オンライン実時間PCAを用いた動画からの変動背景の推定' 電子情報通信学会技術研究報告 PRMU2004-179〜197 パターン認識・メディア理解 第104巻 第669号, 20050217, 第31〜36頁, 社団法人電子情報通信学会 * |
JPN6013021615; 杉山賢治 外3名: 'オンライン実時間PCAを用いた動画からの変動背景の推定' 電子情報通信学会技術研究報告 PRMU2004-179〜197 パターン認識・メディア理解 第104巻 第669号, 20050217, 第31〜36頁, 社団法人電子情報通信学会 * |
JPN6013021618; Chris Stauffer W.E.L Grimson: 'Adaptive background mixture models for real-time tracking' Computer Vision and Pattern Recognition , 1999, pp.246-252, IEEE Computer Society Conference * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013025434A (ja) * | 2011-07-19 | 2013-02-04 | Omron Corp | 画像処理ユニット、および画像処理プログラム |
JP2013186817A (ja) * | 2012-03-09 | 2013-09-19 | Omron Corp | 画像処理装置、画像処理方法、および画像処理プログラム |
US9202286B2 (en) | 2013-07-16 | 2015-12-01 | Nk Works Co., Ltd. | Image processing apparatus, computer-readable medium storing an image processing program, and image processing method |
JP2015088132A (ja) * | 2013-11-01 | 2015-05-07 | セコム株式会社 | 画像処理装置 |
JP2016094262A (ja) * | 2014-11-12 | 2016-05-26 | 東芝エレベータ株式会社 | 乗客コンベア |
JP2017538978A (ja) * | 2015-10-28 | 2017-12-28 | 小米科技有限責任公司Xiaomi Inc. | 警報方法および装置 |
JP2017107407A (ja) * | 2015-12-10 | 2017-06-15 | 株式会社メガチップス | 画像処理装置、制御プログラム及び前景画像特定方法 |
JP2017135656A (ja) * | 2016-01-29 | 2017-08-03 | セコム株式会社 | 空間認識装置 |
JP2018185623A (ja) * | 2017-04-25 | 2018-11-22 | セコム株式会社 | 物体検出装置 |
JP2021034763A (ja) * | 2019-08-16 | 2021-03-01 | セコム株式会社 | 画像処理装置及び画像処理プログラム |
JP7355553B2 (ja) | 2019-08-16 | 2023-10-03 | セコム株式会社 | 画像処理装置及び画像処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP5388829B2 (ja) | 2014-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5388829B2 (ja) | 侵入物体検知装置 | |
US7751647B2 (en) | System and method for detecting an invalid camera in video surveillance | |
US8619135B2 (en) | Detection of abnormal behaviour in video objects | |
JP4629090B2 (ja) | カメラ・タンパリング検出 | |
JP2007264860A (ja) | 顔領域抽出装置 | |
US20060195199A1 (en) | Monitoring device | |
JP2010003177A (ja) | 画像処理装置 | |
JP5208893B2 (ja) | 移動物体追跡装置 | |
AU2006252252A1 (en) | Image processing method and apparatus | |
WO2022078182A1 (zh) | 抛出位置获取方法、装置、计算机设备及存储介质 | |
KR102628413B1 (ko) | 객체 검출 시스템, 방법 및 컴퓨터 판독 가능한 기록매체 | |
CN111401239B (zh) | 一种视频分析方法、装置、***、设备及存储介质 | |
JP4999794B2 (ja) | 静止領域検出方法とその装置、プログラム及び記録媒体 | |
JP2010122746A (ja) | 画像監視装置 | |
JP2020149642A (ja) | 物体追跡装置および物体追跡方法 | |
KR102391853B1 (ko) | 영상 정보 처리 시스템 및 방법 | |
JP3486229B2 (ja) | 画像変化検出装置 | |
KR101454644B1 (ko) | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 | |
CN108765466A (zh) | 一种基于网络摄像头的智能视频监控***及方法 | |
JP5950628B2 (ja) | 物体検知装置、物体検知方法及びプログラム | |
KR20160093253A (ko) | 영상 기반 이상 흐름 감지 방법 및 그 시스템 | |
JP2021007055A (ja) | 識別器学習装置、識別器学習方法およびコンピュータプログラム | |
US10922819B2 (en) | Method and apparatus for detecting deviation from a motion pattern in a video | |
KR101681282B1 (ko) | 대상체 검출 장치 및 방법 | |
JP7243372B2 (ja) | 物体追跡装置および物体追跡方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120815 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130425 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130507 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130703 |
|
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: 20130910 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131008 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5388829 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |