JP6797860B2 - 水上侵入検知システムおよびその方法 - Google Patents
水上侵入検知システムおよびその方法 Download PDFInfo
- Publication number
- JP6797860B2 JP6797860B2 JP2018088946A JP2018088946A JP6797860B2 JP 6797860 B2 JP6797860 B2 JP 6797860B2 JP 2018088946 A JP2018088946 A JP 2018088946A JP 2018088946 A JP2018088946 A JP 2018088946A JP 6797860 B2 JP6797860 B2 JP 6797860B2
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- detector
- input video
- image
- candidate
- 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
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Description
また、侵入した物体が陸からどの程度離れたところにいるか、つまり陸への侵入度合は、映像だけでは推定できない。正確なカメラの設置位置や撮影画角が入手できる場合に、それらを参照して計算するしかなかった。
ただし、追跡する場合、画角が常に変化するため、検知した物体の位置が割り出せない。どこが陸かあらかじめ設定する必要なく陸への距離を測るため、波の周期性を用いて、物体のある程度の位置を導く。波の周期性は沖に比べると陸に近い場所では、水深が浅くなるため周期性が乱れ、弱くなる等の変化がみられる。この変化をもって、物体の陸への距離を概算し、侵入度合を自動的に導く。
映像ソース2は、沿岸に設置され、海面を撮影する監視カメラ、或いは、その録画映像を再生する装置である。監視カメラは、電動雲台や電動ズームレンズを装備されうる。また映像は、可視光域、近赤外、遠赤外域のいずれから得られるものでもよく、1チャンネル(グレースケール)や多チャンネル(カラー)の何れでもよい。更に、揺れ補正、陽炎補正、自動ホワイトバランス、階調補正、高ダイナミックレンジ(HDR)合成などが施されうる。また映像ソース2は、後続の3つ検出器のために、空間領域若しくは時間領域フィルタを施した複数のバージョンの映像を出力しうる。また、後段の処理で入力映像が再度必要とされる場合に備え、過去の複数フレームの入力映像を自由に読出し可能に保持することができる。
本例では、大津の方法と変動しきい値法を組合せる。すなわち、最初に適当なしきい値を設定し、各画素を画素値に応じていずれの分布モデル(クラス)に振り分け、十分な数のフレームに亘って蓄積した後、画素数や平均と分散を算出する。初期のしきい値に関して、ハイライト部分は飽和した輝度値の画素からできているのでこれを識別するしきい値は容易に決定でき、また、明るい部分と暗い部分に分けるしきい値は、全平均を用いることができる。その後、大津の方法に従い、クラス内分散とクラス間分散の比を最大化するようにしきい値を更新する。これらの処理は領域毎に行われる。また色情報を用いることなく輝度値のみを用いて行うことができる。海面の画像は比較的なだらかであるので、分布モデルは、離散的に設定された評価領域毎に行い、領域の間は補間により推定することができる。或いは、評価領域毎ではなく、画素単位でも算出できる。
ここで、Tは波の周期、gは重力加速度、hは水深である。水深が浅くなるほど波高が高く波長が短くなる現象は浅水変形と呼ばれ、複雑な不規則波においても同様の傾向がみられる。浅水変形が顕著に観察されるのは、水深が(沖での)波長の1/2よりも浅い場所に限られる。水深推定器36は、水深の絶対値を得る必要は無く、波高が沖合に比べて何倍になっているかを示す浅水計数を算出するだけでもよい。
ここで、sは、画像座標における奥行の逆数に相当する値で、候補領域のグローバル座標における海抜zRをzworldに与えることで、下記の様に算出される。
海上監視の場合、物体の位置はグローバル座標においてZ=0(つまり海抜0)と仮定することができる。なお、上式における同次座標表現のグローバル座標は、最下行の値w=h41・uimage+h41・vimage+h43・sで除算することで、ユークリッド座標となる。このようにzworldに定数を与えることは、結果的に、下記のホモグラフィ変換もしくはDirect Linear Transformと等価である。
ここで、(u1,v1)..(un,vn)は、校正用のn個の点の画像座標、(x1,y1)..(xn,yn)はそれらの点のグローバル座標(メトリック)、nは4以上の自然数である。
2 監視カメラ装置
3 海面状況取得器
4 差分法ベース検知器
5 シルエット状況下の検知器
6 特徴量ベース検知器
7 追跡器
8 脅威評価器
Claims (6)
- 映像ソース(2)からの入力映像に基づいて、前記入力映像の背景である水面の波の振幅と周期を含む波の属性を自動的に推定する海面状況取得器(3)と、
前記入力映像から基準画像を生成し、前記基準画像に比べて値が高速に変化する画素を前記入力映像から検出する差分法ベースの検知器(4)と、
実質的に飽和した輝度を有する背景と、実質的に暗黒の輝度を有する物体が映った前記入力映像から、暗黒領域を物体候補として検出する、シルエット状況下の検知器(5)と、
前記入力映像から画像特徴量を抽出し、予め機械学習した物体の種類に該当する前記画像特徴量を発見したときに、前記物体の種類を出力する特徴量ベースの検知器(6)と、
を備え、
前記特徴量ベースの検出器(6)が、前記差分法ベースの検知器(4)や前記シルエット状況下の検知器(5)が検出した候補領域の情報を取得し、前記入力映像における前記暗黒領域の近傍で前記画像特徴量を抽出する、水上侵入検知システム。 - 映像ソース(2)からの入力映像に基づいて基準画像を生成し、前記基準画像に比べて値が高速に変化する画素を前記入力映像から検出する差分法ベースの検知器(4)と、
実質的に飽和した輝度を有する背景と、実質的に暗黒の輝度を有する物体が映った前記入力映像から、暗黒領域を物体候補として検出する、シルエット状況下の検知器(5)と、
前記入力映像から画像特徴量を抽出し、予め機械学習した物体の種類に該当する前記画像特徴量を発見したときに、前記物体の種類を出力する特徴量ベースの検知器(6)と、
前記差分法ベースの検知器、前記シルエット状況下の検知器及び前記特徴量ベースの検知器によって検出された前記物体候補の前記暗黒領域にラベル付け、及び時間方向の関連付けをし、統合された前記物体候補の前記暗黒領域の属性を更新する追跡器(7)と、
を備え、
前記特徴量ベースの検出器(6)が、前記差分法ベースの検知器(4)や前記シルエット状況下の検知器(5)が検出した候補領域の情報を取得し、前記入力映像における前記暗黒領域の近傍で前記画像特徴量を抽出する、水上侵入検知システム。 - 映像ソース(2)からの入力映像に基づいて、基準画像を生成し、前記基準画像に比べて値が高速に変化する画素を前記入力映像から検出する差分法ベースの検知器(4)と、
実質的に飽和した輝度を有する背景と、実質的に暗黒の輝度を有する物体が映った前記入力映像から、暗黒領域を物体候補として検出する、シルエット状況下の検知器(5)と、
前記入力映像から画像特徴量を抽出し、予め機械学習した物体の種類に該当する前記画像特徴量を発見したときに、前記物体の種類を出力する特徴量ベースの検知器(6)と、
前記物体を識別し、前記物体の追跡を続けて陸への接近の傾向を考慮して、総合的に脅威を評価し多段的な発報を行う脅威評価器(8)と、
を備え、
前記特徴量ベースの検出器(6)が、前記差分法ベースの検知器(4)や前記シルエット状況下の検知器(5)が検出した候補領域の情報を取得し、前記入力映像における前記暗黒領域の近傍で前記画像特徴量を抽出する、水上侵入検知システム。 - 映像ソース(2)からの入力映像に基づいて、前記入力映像の背景である水面の波の振幅と周期を含む波の属性を自動的に推定する海面状況取得器(3)と、
前記入力映像から基準画像を生成し、前記基準画像に比べて値が高速に変化する画素を前記入力映像から検出する差分法ベースの検知器(4)と、
実質的に飽和した輝度を有する背景と、実質的に暗黒の輝度を有する物体が映った前記入力映像から、暗黒領域を物体候補として検出する、シルエット状況下の検知器(5)と、
前記入力映像から画像特徴量を抽出し、予め機械学習した物体の種類に該当する前記画像特徴量を発見したときに、前記物体の種類を出力する特徴量ベースの検知器(6)と、
前記差分法ベースの検知器、シルエット状況下の検知器及び特徴量ベースの検知器によって検知された前記物体候補の前記暗黒領域にラベル付け、及び時間方向の関連付けをし、統合された前記物体候補の前記暗黒領域の属性を更新する追跡器(7)と、
を備え、
前記特徴量ベースの検出器(6)が、前記差分法ベースの検知器(4)や前記シルエット状況下の検知器(5)が検出した候補領域の情報を取得し、前記入力映像における前記暗黒領域の近傍で前記画像特徴量を抽出する、水上侵入検知システム。 - 映像ソース(2)からの入力映像に基づいて、前記入力映像の背景である水面の波の振幅と周期を含む波の属性を自動的に推定する海面状況取得器(3)と、
前記入力映像から基準画像を生成し、前記基準画像に比べて値が高速に変化する画素を前記入力映像から検出する差分法ベースの検知器(4)と、
実質的に飽和した輝度を有する背景と、実質的に暗黒の輝度を有する物体が映った前記入力映像から、暗黒領域を物体候補として検出する、シルエット状況下の検知器(5)と、
前記入力映像から画像特徴量を抽出し、予め機械学習した物体の種類に該当する前記画像特徴量を発見したときに、前記物体の種類を出力する特徴量ベースの検知器(6)と、
物体を識別し、前記物体の移動の傾向を考慮して、総合的に脅威を評価し多段的な発報を行う脅威評価器(8)と、
を備え、
前記特徴量ベースの検出器(6)が、前記差分法ベースの検知器(4)や前記シルエット状況下の検知器(5)が検出した候補領域の情報を取得し、前記入力映像における前記暗黒領域の近傍で前記画像特徴量を抽出する、水上侵入検知システム。 - 映像ソース(2)からの入力映像に基づいて、基準画像を生成し、前記基準画像に比べて値が高速に変化する画素を前記入力映像から検出する差分法ベースの検知器(4)と、
実質的に飽和した輝度を有する背景と、実質的に暗黒の輝度を有する物体が映った前記入力映像から、暗黒領域を物体候補として検出する、シルエット状況下の検知器(5)と、
前記入力映像から画像特徴量を抽出し、予め機械学習した物体の種類に該当する前記画像特徴量を発見したときに、前記物体の種類を出力する特徴量ベースの検知器(6)と、
前記差分法ベースの検知器、前記シルエット状況下の検知器及び前記特徴量ベースの検知器によって検知された前記物体候補の前記暗黒領域にラベル付け、及び時間方向の関連付けをし、統合された前記物体候補の前記暗黒領域の属性を更新する追跡器(7)と、
前記物体候補の前記暗黒領域の原因となった物体を識別し、前記物体の移動の傾向を考慮して、総合的に脅威を評価し多段的な発報を行う脅威評価器(8)と、
を備え、
前記特徴量ベースの検出器(6)が、前記差分法ベースの検知器(4)や前記シルエット状況下の検知器(5)が検出した候補領域の情報を取得し、前記入力映像における前記暗黒領域の近傍で前記画像特徴量を抽出する、水上侵入検知システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018088946A JP6797860B2 (ja) | 2018-05-02 | 2018-05-02 | 水上侵入検知システムおよびその方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018088946A JP6797860B2 (ja) | 2018-05-02 | 2018-05-02 | 水上侵入検知システムおよびその方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018513902A Division JP6336693B1 (ja) | 2016-12-09 | 2016-12-09 | 水上侵入検知システムおよびその方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018152106A JP2018152106A (ja) | 2018-09-27 |
JP6797860B2 true JP6797860B2 (ja) | 2020-12-09 |
Family
ID=63679663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018088946A Active JP6797860B2 (ja) | 2018-05-02 | 2018-05-02 | 水上侵入検知システムおよびその方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6797860B2 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7374582B2 (ja) * | 2018-11-27 | 2023-11-07 | キヤノン株式会社 | 画像処理装置、画像生成方法およびプログラム |
JP2020107097A (ja) * | 2018-12-27 | 2020-07-09 | 株式会社タムロン | 遠赤外線画像処理装置、及びそれを備えた遠赤外線監視装置、並びに遠赤外線画像処理プログラム |
KR102316387B1 (ko) * | 2019-11-20 | 2021-10-22 | 한국항공우주연구원 | 부유물 탐지 방법 및 장치 |
JP7436801B2 (ja) * | 2020-01-07 | 2024-02-22 | 富士通株式会社 | 情報出力プログラム、情報出力装置及び情報出力方法 |
JP7044120B2 (ja) * | 2020-02-07 | 2022-03-30 | カシオ計算機株式会社 | 識別装置、識別器学習方法、識別方法及びプログラム |
CN112200993A (zh) * | 2020-08-25 | 2021-01-08 | 深圳市旗云智能科技有限公司 | 一种用于船舰或岸基的海底监控报警***及方法 |
CN113343932B (zh) * | 2021-07-06 | 2024-07-19 | 湖南汇视威智能科技有限公司 | 一种静态摄像头下的河道漂浮物检测算法 |
KR102561793B1 (ko) * | 2021-07-15 | 2023-07-31 | 한화오션 주식회사 | 비정형 장애물 인식 시스템 및 방법, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체 |
KR102633461B1 (ko) * | 2023-07-05 | 2024-02-02 | 한성진 | 선박항해 안내를 위한 드론장치 및 그 장치의 구동방법 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0737064A (ja) * | 1993-07-22 | 1995-02-07 | Babcock Hitachi Kk | 侵入物体検出方法および検出装置 |
JP2002157599A (ja) * | 2000-11-17 | 2002-05-31 | Nippon Telegr & Teleph Corp <Ntt> | 物体検出認識方法,物体検出認識プログラムを記録した記録媒体および物体監視追跡装置 |
JP3997062B2 (ja) * | 2001-05-30 | 2007-10-24 | 株式会社日立製作所 | 画像監視装置 |
JP4532171B2 (ja) * | 2004-06-01 | 2010-08-25 | 富士重工業株式会社 | 立体物認識装置 |
JP4527747B2 (ja) * | 2007-04-17 | 2010-08-18 | 日本電信電話株式会社 | 水面波挙動検出装置、水面波挙動検出方法、及び、水面波挙動検出プログラム |
JP5875917B2 (ja) * | 2012-03-26 | 2016-03-02 | 一般財団法人電力中央研究所 | 移動体の画像判別装置および移動体の画像判別方法 |
BR112015003444A2 (pt) * | 2012-08-20 | 2017-07-04 | Behavioral Recognition Sys Inc | método e sistema para detectar óleo em superfície de mar |
JP2014106685A (ja) * | 2012-11-27 | 2014-06-09 | Osaka Univ | 車両周辺監視装置 |
US10373024B2 (en) * | 2015-04-02 | 2019-08-06 | Hitachi, Ltd. | Image processing device, object detection device, image processing method |
CN105678812A (zh) * | 2016-03-04 | 2016-06-15 | 黑龙江省水利科学研究院 | 用于跟踪冰排轨迹的方法 |
-
2018
- 2018-05-02 JP JP2018088946A patent/JP6797860B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018152106A (ja) | 2018-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6336693B1 (ja) | 水上侵入検知システムおよびその方法 | |
JP6797860B2 (ja) | 水上侵入検知システムおよびその方法 | |
KR102171122B1 (ko) | 장면의 다차원 특징을 기반으로 하는 선박 탐지 방법 및 시스템 | |
CN107016357B (zh) | 一种基于时间域卷积神经网络的视频行人检测方法 | |
US7957560B2 (en) | Unusual action detector and abnormal action detecting method | |
CN110728697A (zh) | 基于卷积神经网络的红外弱小目标检测跟踪方法 | |
Park et al. | Wildfire smoke detection using spatiotemporal bag-of-features of smoke | |
Tuominen et al. | Cloud detection and movement estimation based on sky camera images using neural networks and the Lucas-Kanade method | |
Gupta et al. | Early wildfire smoke detection in videos | |
CN117218380A (zh) | 无人船遥感图像的动态目标检测追踪方法 | |
Jakovčević et al. | Visual spatial-context based wildfire smoke sensor | |
CN114067251B (zh) | 一种无监督监控视频预测帧异常检测方法 | |
WO2016019973A1 (en) | Method for determining stationary crowds | |
Fahn et al. | Abnormal maritime activity detection in satellite image sequences using trajectory features | |
CN108985216B (zh) | 一种基于多元logistic回归特征融合的行人头部检测方法 | |
CN111160150A (zh) | 基于深度残差神经网络卷积的视频监控人群行为的识别方法 | |
CN108038872B (zh) | 一种基于动静态目标检测与实时压缩感知追踪研究方法 | |
Kim et al. | Unsupervised moving object segmentation and recognition using clustering and a neural network | |
Boroujeni et al. | Robust moving shadow detection with hierarchical mixture of MLP experts | |
Santhaseelan et al. | Neural network based methodology for automatic detection of whale blows in infrared video | |
Bejinariu et al. | Analysis of Abnormal Crowd Movements based on Features Tracking | |
Lee et al. | Fire detection using color and motion models | |
Ananthan | Fish Species Detection and Tracking Based on Fusion Intensity Entity Transformation using Optical Flow Algorithm | |
CN117152689B (zh) | 一种基于视觉的河道目标检测方法及*** | |
CN118096815B (zh) | 一种基于机器视觉的道路非常态事件检测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191015 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200819 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200825 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201022 |
|
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: 20201105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201118 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6797860 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |