JP6482892B2 - Monitoring system - Google Patents
Monitoring system Download PDFInfo
- Publication number
- JP6482892B2 JP6482892B2 JP2015029288A JP2015029288A JP6482892B2 JP 6482892 B2 JP6482892 B2 JP 6482892B2 JP 2015029288 A JP2015029288 A JP 2015029288A JP 2015029288 A JP2015029288 A JP 2015029288A JP 6482892 B2 JP6482892 B2 JP 6482892B2
- Authority
- JP
- Japan
- Prior art keywords
- monitoring system
- landmark
- signal processing
- camera
- processing 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims description 34
- 239000013598 vector Substances 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 24
- 238000000034 method Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 10
- 238000000605 extraction Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Burglar Alarm Systems (AREA)
- Image Analysis (AREA)
Description
本発明は、監視システムに関するものである。 The present invention relates to a monitoring system.
従来、空港や港等の重要施設は、侵入を防止するためのフェンスや壁により囲まれている。この中でフェンスが設置されている施設では、例えば、フェンスと連動して侵入者を検知するフェンスセンサーにより監視を実施している。また、センサーに加えて監視カメラによる映像監視を行っている場合がある。
図9は従来の侵入者検知システムを説明するための図である。
従来の侵入者検知は、施設への侵入を防ぐフェンス900に光ファイバ等のセンサーケーブル902を設置し、ケーブルの揺れにより侵入者の有無を検知する。センサーケーブル902には侵入者を検知するためのコントローラ901と、終端ボックス903が接続されている。
Conventionally, important facilities such as airports and harbors are surrounded by fences and walls for preventing intrusion. In facilities where fences are installed, for example, monitoring is performed by a fence sensor that detects an intruder in conjunction with the fence. In some cases, video surveillance is performed by a surveillance camera in addition to the sensor.
FIG. 9 is a diagram for explaining a conventional intruder detection system.
In the conventional intruder detection, a
先行技術文献として、例えば、特許文献1では、物体検出手段が、第1のライン設定手段により設定された第1のラインを横切るとともに第2のライン設定手段により設定された第2のラインを横切った物体を検出する。 As a prior art document, for example, in Patent Document 1, the object detection means crosses the first line set by the first line setting means and the second line set by the second line setting means. Detects an object.
従来の侵入者検知システムは、風等の自然現象の影響で誤動作が発生していた。
本発明の目的は、自然現象である風等の揺れを侵入者と区別して、侵入者の認識率を向上させることにある。
Conventional intruder detection systems have malfunctioned due to the influence of natural phenomena such as wind.
An object of the present invention is to distinguish a natural phenomenon such as wind as an intruder and improve the recognition rate of the intruder.
本発明の監視システムは、カメラを有する監視システムであって、カメラは信号処理部を有し、カメラが撮影する物体には複数のランドマークを有し、信号処理部はカメラで撮影したランドマークの揺れ状態から侵入者を検知することを特徴とする。 The surveillance system of the present invention is a surveillance system having a camera, the camera has a signal processing unit, an object photographed by the camera has a plurality of landmarks, and the signal processing unit has landmarks photographed by the camera. It is characterized by detecting an intruder from the state of shaking.
また、本発明の監視システムは、上記の監視システムであって、信号処理部はカメラで撮影したランドマークを背景画像として記憶していることを特徴とする。 The monitoring system of the present invention is the monitoring system described above, wherein the signal processing unit stores a landmark photographed by a camera as a background image.
さらに、本発明の監視システムは、撮像部と信号処理部を有する監視システムにであって、撮像部が撮影する物体には複数のランドマークを有し、信号処理部は撮像部で撮影したランドマークの揺れ状態から侵入者を検知することを特徴とする。 Furthermore, the monitoring system of the present invention is a monitoring system having an imaging unit and a signal processing unit, wherein an object photographed by the imaging unit has a plurality of landmarks, and the signal processing unit is a land photographed by the imaging unit. It is characterized by detecting an intruder from the shaking state of the mark.
本発明によれば、自然現象である風等の揺れを侵入者と区別して、侵入者の認識率を向上させることができる。 According to the present invention, it is possible to distinguish a natural phenomenon such as wind and the like from an intruder and improve the recognition rate of the intruder.
以下、本発明の実施形態について図面を参照して詳細に説明する。
図1は本発明の一実施例に係る監視システムを説明するための図である。
図1において、監視システム100は、少なくともカメラ110と、ランドマーク121a〜121i(ランドマークを代表する場合は121と称する)を有している。
カメラ110は、撮像部111と信号処理部112を有している。
なお、信号処理部112は、ネットワーク等を介して撮像部111と接続されていてもよい。
カメラ110は、例えば、支柱130に設置されている。
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
FIG. 1 is a diagram for explaining a monitoring system according to an embodiment of the present invention.
In FIG. 1, the monitoring system 100 includes at least a
The
Note that the signal processing unit 112 may be connected to the imaging unit 111 via a network or the like.
For example, the
ランドマーク121a〜121iは、カメラ110の撮影範囲113にある物体に設置されている。物体は、例えば、フェンス120である。
表示装置140は、カメラ110に接続されている。なお、表示装置140は、本実施形態を説明するために記載しているものであり、本監視システムの必須構成品ではない。
表示装置140に表示されているランドマーク141a〜141iは、カメラ110がランドマーク121a〜121iを撮影した画像である。
The landmarks 121a to 121i are installed on an object in the shooting range 113 of the
The
The landmarks 141a to 141i displayed on the
図3は本発明の一実施例に係る監視システムのランドマークの設置位置について説明するための図である。
ランドマーク121はカメラ110の設置位置に応じて、適切な位置に設置する必要がある。
図3(a)はフェンス120上部にランドマーク121を設置した図であり、フェンス120より高い位置にカメラ110を設置する場合、ランドマーク121はフェンス120上部に設置するのが有効である。
また、図3(b)はフェンス120側面にランドマーク121を設置した図であり、フェンス120より低い位置にカメラ110を設置する場合、ランドマーク121は側面に設置するのが有効である。
FIG. 3 is a diagram for explaining the installation positions of landmarks in the monitoring system according to one embodiment of the present invention.
The
FIG. 3A is a diagram in which a
FIG. 3B is a diagram in which the
次に、本発明の一実施例に係る信号処理部の動作過程について図2を用いて説明する。
図2は本発明の一実施例に係る監視システムの信号処理部の動作を説明するための図である。
図2において、信号処理部112は、ランドマーク121の動きを学習する学習過程210と、実際に侵入者検知を行う識別過程220の処理過程を有する。
Next, an operation process of the signal processing unit according to the embodiment of the present invention will be described with reference to FIG.
FIG. 2 is a diagram for explaining the operation of the signal processing unit of the monitoring system according to the embodiment of the present invention.
In FIG. 2, the signal processing unit 112 includes a learning process 210 for learning the movement of the
学習過程210では、信号処理部112が学習用映像211からランドマーク121の位置を検出212し、特徴量を抽出213する。特徴量には、現在フレームのランドマーク121の位置情報と前フレームの位置情報から抽出した移動量と移動方向を用いる。
そして、信号処理部112は抽出した特徴量を機械学習手法により学習214し、識別器を作成215する。
識別過程220では、信号処理部112が入力映像221からランドマーク121の位置を検出222し、特徴量を抽出223する。抽出した特徴量を識別器に入力225することで、正常226か侵入者有りの異常227かを判断する。
In the learning process 210, the signal processing unit 112 detects 212 the position of the
Then, the signal processing unit 112 learns 214 the extracted feature amount by a machine learning method and creates 215 a discriminator.
In the identification process 220, the signal processing unit 112 detects 222 the position of the
機械学習214には教師有りの手法と教師無しの手法がある。
機械学習214に公知のBoostingなどの教師有りの手法を用いる場合は、揺れが少ない通常の映像データと強風により揺れがある映像データをポジティブサンプルとして定義し、例えば、それぞれ1000フレームのデータを用意する。そして、侵入者がフェンス120を上ってフェンスが不規則に揺れている映像データをネガティブサンプルとして定義し、例えば、2000フレームのデータを用意する。以上のように用意したポジティブサンプルとネガティブサンプルを学習し、識別器を作成する。
When using a known supervised method such as Boosting for
機械学習214に公知のk-meansクラスタリングなどの教師無しの手法を用いる場合は、揺れが少ない通常の映像データと強風により揺れがある映像データが別々のクラスタに分類されることを想定し、学習するクラスタ数は2つとする。揺れが少ない通常の映像データと強風により揺れがある映像データを例えば、それぞれ1000フレームのデータを用意する。用意したサンプルデータを学習し、識別器を作成する。
If unsupervised methods such as k-means clustering are used for
識別過程220では、ランドマークの位置検出212と特徴量の抽出223までは学習過程210と同様に行う。
識別器による識別225は、教師有りの手法で学習した場合と教師無しの手法で学習した場合で異なる。
教師有りの手法で学習した識別器は、入力した特徴量に対して正常か異常かを出力することができる。
In the identification step 220, the
The
A discriminator learned by a supervised method can output whether the input feature is normal or abnormal.
教師無しの手法で学習した識別器は、入力した特徴量に対して特徴空間上での位置を出力することができる。そのため、学習した正常クラスタである揺れが少ない通常の映像データと強風により揺れがある映像データとのクラスタとの距離を算出し、距離がどちらかのクラスタの閾値以内の場合は正常、どちらのクラスタとの距離も閾値以上の場合は異常と判断する。閾値は、学習したクラスタの重心から最も離れた同クラスタのサンプルまでの距離とする。クラスタとの距離の算出は、ユークリッド距離、マハラノビス距離等を用いることができる。 A discriminator that has learned by an unsupervised method can output a position in the feature space for the input feature quantity. Therefore, the distance between the learned normal cluster with less fluctuation and normal video data and the video data with fluctuation due to strong wind is calculated, and when the distance is within the threshold of either cluster, which cluster is normal If the distance to is greater than or equal to the threshold, it is determined as abnormal. The threshold value is a distance to a sample of the cluster that is farthest from the center of gravity of the learned cluster. The Euclidean distance, Mahalanobis distance, etc. can be used for calculating the distance to the cluster.
本発明の一実施例では、一般的な監視カメラを用いるため、昼夜で映像の明るさが大きく異なる。そのため、昼間と夜間では別々の方法でランドマークの位置を検出する。 In one embodiment of the present invention, since a general surveillance camera is used, the brightness of the image is greatly different between day and night. Therefore, the position of the landmark is detected by different methods during the daytime and at night.
(昼間のランドマーク位置検出)
次に、本発明の一実施例である昼間におけるランドマークの位置検出について、図4を用いて説明する。
図4は本発明の一実施例に係る監視システムの昼間におけるランドマークの位置検出の処理過程について説明するための図である。
検出対象のランドマーク121は、フェンス120に存在することがわかっている。このため、信号処理部112は、カメラ映像401から検出する処理範囲の限定402を図るため、処理範囲4021をフェンス付近に限定する。
次に、信号処理部112は、背景画像403と背景差分処理を行い、抽出した差分画像404から円形度を算出405する。円形度とは、円らしさを表す値であり、値が1に近づくほど円らしいと判断される。このとき円形度が0.80以上となり円として検出した位置の中心座標をそのランドマークの位置とする。
(Daytime landmark position detection)
Next, landmark position detection in the daytime according to an embodiment of the present invention will be described with reference to FIG.
FIG. 4 is a diagram for explaining the process of detecting the position of the landmark in the daytime of the monitoring system according to one embodiment of the present invention.
It is known that the
Next, the signal processing unit 112 performs background difference processing with the
(夜間のランドマーク位置検出)
次に、本発明の一実施例である夜間におけるランドマークの位置検出について、図5を用いて説明する。
図5は本発明の一実施例に係る監視システムの夜間におけるランドマークの位置検出の処理過程について説明するための図である。
一般的な監視カメラを用いる場合、光源のない夜間はフェンス等の物体を捉えることは困難である。そこで、本発明では発光するランドマーク501を用いる。
信号処理部112のランドマーク検出は、検出範囲を限定502し、所定の輝度を越える光源を抽出505することで、各光源の中心座標をランドマーク5051,5052の位置とする。
なお、例えば、ランドマーク5051の位置は(x,y)=(756,34)であり、ランドマーク5052の位置は(x,y)=(872,318)である。
(Landmark landmark detection at night)
Next, landmark position detection at night which is an embodiment of the present invention will be described with reference to FIG.
FIG. 5 is a diagram for explaining the process of landmark position detection at night in the monitoring system according to the embodiment of the present invention.
When a general surveillance camera is used, it is difficult to capture an object such as a fence at night without a light source. Therefore, in the present invention, a landmark 501 that emits light is used.
The landmark detection of the signal processing unit 112 limits the detection range 502,
For example, the position of the landmark 5051 is (x, y) = (756, 34), and the position of the
信号処理部112は、上述したようにランドマークの位置を自動検出することができる。しかし、検出後、実際のランドマーク位置とずれが生じた場合は、手動で位置調整を行うことができる。
また、昼間のランドマークが精度よく検出できる場合は、夜間の検出範囲を昼間で検出したランドマーク位置の周辺ピクセルに限定することで精度よく検出が可能となる。同様に、夜間のランドマークが精度よく検出できる場合は、昼間の検出範囲を夜間で検出したランドマーク位置の周辺ピクセルに限定することで精度よく検出が可能となる。
The signal processing unit 112 can automatically detect the position of the landmark as described above. However, if there is a deviation from the actual landmark position after detection, the position can be manually adjusted.
In addition, when a daytime landmark can be detected with high accuracy, the nighttime detection range is limited to pixels around the landmark position detected during the daytime, so that the detection can be performed with high accuracy. Similarly, when a night landmark can be detected with high accuracy, it can be detected with high accuracy by limiting the daytime detection range to pixels around the landmark position detected at night.
(特徴量抽出)
次に、本発明の一実施例である特徴量抽出について、図6を用いて説明する。
図6は本発明の一実施例に係る監視システムにおける特徴量の抽出過程を説明するための図である。
信号処理部112は、特徴量を各フレームのランドマークの座標から抽出したベクトルを時系列に組み合せることで抽出する。
(Feature extraction)
Next, feature amount extraction according to an embodiment of the present invention will be described with reference to FIG.
FIG. 6 is a diagram for explaining a feature amount extraction process in the monitoring system according to the embodiment of the present invention.
The signal processing unit 112 extracts the feature amount by combining the vectors extracted from the landmark coordinates of each frame in time series.
信号処理部112は、2つのフレームであるf0フレーム601とf1フレーム602からランドマークの座標を用いてb1ベクトル情報604を抽出する。信号処理部112は、ランドマークの移動方向をベクトルの向き、移動量をベクトルの大きさとすることで、ランドマークの瞬間的な動きを捉えることができる。
信号処理部112は、同様に次の2つのフレームであるf1フレーム602とf2フレーム603からランドマークの座標を用いてb2ベクトル情報605を抽出する。
このように、信号処理部112は、フレーム毎にベクトル情報を抽出し、時系列に複数フレームのベクトル情報を組み合わせることで、ランドマークの動きを時間的に捉えることができる。組み合わせるフレーム数は、フレーム数が増えるほど処理時間が増加するため、適宜決定する。
The signal processing unit 112 extracts the
Similarly, the signal processing unit 112 extracts
In this manner, the signal processing unit 112 can extract the vector information for each frame and combine the vector information of a plurality of frames in time series to capture the movement of the landmark in time. The number of frames to be combined is appropriately determined because the processing time increases as the number of frames increases.
次に、本発明の一実施例に係る特徴量の性質について図7を用いて説明する。
図7は本発明の一実施例に係る監視システムにおける特徴量の性質を説明するための図である。
図6で算出したベクトル情報は、図7に示す性質を持っている。
図7において、フェンスに揺れが少ない通常時701は、ベクトルが小さくなり、強風によりフェンスが揺れる場合702はベクトルが大きく、向きが規則的になる。そして、侵入者によりフェンスが揺れる場合703は、ベクトルが大きく、向きが不規則になる。
Next, the characteristics of the feature amount according to an embodiment of the present invention will be described with reference to FIG.
FIG. 7 is a view for explaining the nature of the feature quantity in the monitoring system according to one embodiment of the present invention.
The vector information calculated in FIG. 6 has the properties shown in FIG.
In FIG. 7, the
次に、侵入者有無の判定条件について図8を用いて説明する。
図8は本発明の一実施例に係る監視システムにおける侵入者有無の判定条件を説明するための図である。
図8において、識別されたフレームの状態は、例えば、通常時フレーム803と、強風による揺れフレーム801、侵入者による揺れフレーム802,804,805,・・・806の3つである。
Next, conditions for determining the presence or absence of an intruder will be described with reference to FIG.
FIG. 8 is a diagram for explaining conditions for determining whether there is an intruder in the monitoring system according to one embodiment of the present invention.
In FIG. 8, there are three states of the identified frame, for example, a normal frame 803, a shaking frame 801 due to a strong wind, and shaking frames 802, 804, 805,.
図2に示すように、識別器による判定は毎フレーム行うため、1フレームのみの結果を基に発報すると誤報に繋がる可能性がある。そのため、信号処理部112は、異常判定が所定回数の例えば10回連続した場合に発報807する。 As shown in FIG. 2, since the determination by the discriminator is performed for each frame, if a report is issued based on the result of only one frame, there is a possibility that it may lead to a false report. Therefore, the signal processing unit 112 issues an alert 807 when the abnormality determination is continued a predetermined number of times, for example, 10 times.
本発明の他の一実施例は、他の侵入者検知手法と連携することで、精度を向上させることができる。侵入者がカメラとフェンスの間に存在するとき、カメラから観測できるランドマークの数は、正常時と比べ少なくなる。この情報を用いて侵入者検知を行うことで、フェンスの揺れにより侵入者が検知できなかったときの未検知を低減することができる。 Another embodiment of the present invention can improve accuracy by cooperating with other intruder detection techniques. When an intruder exists between the camera and the fence, the number of landmarks that can be observed from the camera is smaller than that in the normal state. By performing intruder detection using this information, it is possible to reduce non-detection when an intruder cannot be detected due to the shaking of the fence.
本発明の実施形態である監視システムは、自然現象である風等の揺れを侵入者と区別して、侵入者の認識率を向上させることができる。
また、本発明の実施形態の応用例としては、橋梁などの建築物の状態監視に用いることができる。建築物の正常な揺れ情報を学習し、建築物が老朽化した際に起こり得る異常な揺れを検知することで、倒壊の可能性を発見することができる。
The monitoring system according to the embodiment of the present invention can improve the recognition rate of the intruder by distinguishing the natural phenomenon such as wind and the like from the intruder.
Moreover, as an application example of the embodiment of the present invention, it can be used for monitoring the state of a building such as a bridge. By learning the normal shaking information of the building and detecting the abnormal shaking that can occur when the building is aged, the possibility of collapse can be discovered.
以上本発明について詳細に説明したが、本発明は、ここに記載された監視システムに限定されるものではなく、上記以外の監視システムに広く適用することができることは言うまでもない。 Although the present invention has been described in detail above, it is needless to say that the present invention is not limited to the monitoring system described herein, and can be widely applied to other monitoring systems.
100:監視システム、111:撮像部、112:信号処理部、113:撮影範囲、120:フェンス、121a〜121i:ランドマーク、130:支柱、140:表示装置、141a〜141i:ランドマークの撮影画像、210:学習過程、211:学習用映像、212:ランドマーク位置検出、213:特徴量抽出、214:機械学習、215:識別器、220:識別過程、221:入力映像、222:ランドマーク位置検出、223:特徴量抽出、225:識別器、226:正常、227:異常。 DESCRIPTION OF SYMBOLS 100: Surveillance system, 111: Image pick-up part, 112: Signal processing part, 113: Shooting range, 120: Fence, 121a-121i: Landmark, 130: Support | pillar, 140: Display apparatus, 141a-141i: Photographed image of landmark , 210: learning process, 211: learning video, 212: landmark position detection, 213: feature extraction, 214: machine learning, 215: classifier, 220: identification process, 221: input video, 222: landmark position Detection: 223: Feature amount extraction, 225: Discriminator, 226: Normal, 227: Abnormal.
Claims (3)
前記カメラは信号処理部を有し、
前記カメラが撮影する物体には複数のマークを有し、
該複数のマークの各々は所定の特徴量により検出されるものであって、
前記信号処理部は、前記カメラで撮影されたマークの特徴量を該撮影されたフレームの座標から抽出したベクトルを時系列に組み合わせて抽出することで揺れ状態を検出し、
該検出した揺れ状態に応じて所定の異常判定を行うことを特徴とする監視システム。 In a surveillance system with a camera,
The camera has a signal processing unit,
The object photographed by the camera has a plurality of marks,
Each of the plurality of marks is detected by a predetermined feature amount,
The signal processing unit detects a shake state by extracting a feature amount of a mark photographed by the camera in combination with a vector extracted from the coordinates of the photographed frame in time series,
A monitoring system that performs a predetermined abnormality determination according to the detected shaking state .
前記信号処理部は、前記撮影されたフレーム毎のマークの座標より抽出したベクトルによって当該フレームの揺れ状態を抽出し、
該揺れ状態が所定のフレーム数連続して検出された場合に、侵入者を検知したとの異常判定として発報することを特徴とする監視システム。 The monitoring system according to claim 1,
The signal processing unit extracts the shaking state of the frame by a vector extracted from the coordinates of the mark for each captured frame,
A monitoring system that issues an abnormality determination that an intruder has been detected when the shaking state is detected continuously for a predetermined number of frames .
前記複数のマークは発光する物体であることを特徴とする監視システム。The monitoring system, wherein the plurality of marks are objects that emit light.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015029288A JP6482892B2 (en) | 2015-02-18 | 2015-02-18 | Monitoring system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015029288A JP6482892B2 (en) | 2015-02-18 | 2015-02-18 | Monitoring system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016152525A JP2016152525A (en) | 2016-08-22 |
JP6482892B2 true JP6482892B2 (en) | 2019-03-13 |
Family
ID=56696782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015029288A Active JP6482892B2 (en) | 2015-02-18 | 2015-02-18 | Monitoring system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6482892B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220341774A1 (en) * | 2019-09-27 | 2022-10-27 | Nec Corporation | Optical fiber sensing system, monitoring method, and non-transitory computer-readablemedium |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62136991A (en) * | 1985-12-10 | 1987-06-19 | Matsushita Electric Works Ltd | Abnormality monitoring device |
JPH05284501A (en) * | 1992-04-06 | 1993-10-29 | Mitsubishi Electric Corp | Intrusion monitor picture device |
JP2005227808A (en) * | 2004-02-10 | 2005-08-25 | Mitsubishi Electric Engineering Co Ltd | Detection and notification device |
JP4418376B2 (en) * | 2005-01-26 | 2010-02-17 | 株式会社クレヴァシステムズ | Intrusion detection sensor |
JP2007225397A (en) * | 2006-02-22 | 2007-09-06 | Fujikura Ltd | Method and structure for laying optical cable for vibration sensor use in optical fiber invasion monitoring system |
JP2012118004A (en) * | 2010-12-03 | 2012-06-21 | Hitachi Cable Ltd | Optical fiber sensor type intrusion detecting method, and optical fiber type intrusion detecting sensor |
-
2015
- 2015-02-18 JP JP2015029288A patent/JP6482892B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016152525A (en) | 2016-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8565484B2 (en) | Forest fire smoke detection method using random forest classification | |
US9462160B2 (en) | Color correction device, method, and program | |
US20150262068A1 (en) | Event detection apparatus and event detection method | |
KR101735365B1 (en) | The robust object tracking method for environment change and detecting an object of interest in images based on learning | |
WO2022078182A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
US20060056702A1 (en) | Image processing apparatus and image processing method | |
KR20190046351A (en) | Method and Apparatus for Detecting Intruder | |
US20110280478A1 (en) | Object monitoring system and method | |
CN109460787A (en) | IDS Framework method for building up, device and data processing equipment | |
US20110280442A1 (en) | Object monitoring system and method | |
CN112270253A (en) | High-altitude parabolic detection method and device | |
KR101620989B1 (en) | Method of detecting fire automatically from video including night images and system for performing the same | |
JP6214426B2 (en) | Object detection device | |
JP7125843B2 (en) | Fault detection system | |
KR101044903B1 (en) | Fire detecting method using hidden markov models in video surveillance and monitoring system | |
JP5780979B2 (en) | Vehicle state detection device, vehicle behavior detection device, and vehicle state detection method | |
JP7074174B2 (en) | Discriminator learning device, discriminator learning method and computer program | |
JP6482892B2 (en) | Monitoring system | |
CN116682162A (en) | Robot detection algorithm based on real-time video stream | |
JP6831396B2 (en) | Video monitoring device | |
JP4828265B2 (en) | Image sensor | |
KR102685149B1 (en) | System of peventing external intrusion using virtulal detection line in image | |
WO2022198507A1 (en) | Obstacle detection method, apparatus, and device, and computer storage medium | |
KR102161212B1 (en) | System and method for motion detecting | |
JP2002218443A (en) | Intruding object detecting method for automatically determining threshold for intruding object detection and intruding object monitor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170928 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180628 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180925 |
|
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: 20190207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190213 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6482892 Country of ref document: JP 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 |