KR20130085316A - 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치 - Google Patents
원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치 Download PDFInfo
- Publication number
- KR20130085316A KR20130085316A KR1020120006392A KR20120006392A KR20130085316A KR 20130085316 A KR20130085316 A KR 20130085316A KR 1020120006392 A KR1020120006392 A KR 1020120006392A KR 20120006392 A KR20120006392 A KR 20120006392A KR 20130085316 A KR20130085316 A KR 20130085316A
- Authority
- KR
- South Korea
- Prior art keywords
- face
- camera
- image
- interest
- face image
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- 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
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30201—Face
-
- 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
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/40—Circuit details for pick-up tubes
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
본 발명은 고정 카메라에서 탐지 및 추적하는 관심 객체를 PTZ 카메라를 통해 추적하여 관심 객체 영상을 생성하는 다중 카메라 제어 모듈 및 다중 카메라 제어 모듈에서 생성된 관심 객체 영상에서 원거리 얼굴 식별에 적합한 얼굴영상을 획득하는 얼굴영상 획득 모듈을 포함하는 것을 특징으로 한다.
Description
본 발명은 다중 카메라 기반의 얼굴영상 획득 장치에 관한 것으로서, 더욱 상세하게는 고정 카메라에서 탐지 및 추적하는 객체 중 관심 객체를 PTZ 카메라를 이용하여 추적하고, PTZ 카메라에서 생성된 영상으로부터 원거리 얼굴 식별에 최적인 얼굴영상을 획득하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치에 관한 것이다.
최근 CCTV(Closed Circuit Television) 카메라의 급속한 보급에 따른 사람에 의한 감시 및 분석의 한계, 실시간 감시 기능에 대한 요구 증대 등에 따라 보다 효율적인 영상처리 및 지능적인 분석 방법을 지원하는 지능형 영상 감시 시스템에 대한 요구가 증대하고 있다.
기존의 사람에 의한 영상의 직접적인 감시 및 분석은 시간이 지남에 따라 작업자의 피로도가 증가하고, 집중력이 떨어지기 때문에 자동으로 감시영상에서 객체를 탐지 및 추적하고 분석하는 지능화된 방법이 요구되고 있다.
이에, 객체의 탐지, 분류, 추적 등과 같은 비디오 분석 기법 및 생체 인식 기술을 도입한 지능형 영상 감시 시스템에 대한 연구개발이 활발히 진행 중에 있으며, 가장 대표적인 기능은 카메라를 통하여 객체를 탐지하고 추적하는 기술 및 원거리 사람 식별 기술이다.
기존의 객체 탐지 추적은 통상 일정한 배율로 설정되어 넓은 범위의 영상을 촬영하는 고정 카메라로부터 획득된 영상을 대상으로 한다. 그러나 고정 카메라로부터 입력된 영상에서 관심 대상이 되는 객체(사람 또는 차량 등)는 그 해상도가 매우 낮아 식별이 어렵다는 문제점을 가지고 있다.
상기의 문제를 해결하기 위하여 상하좌우 회전이 가능하고 특정 배율로 영상을 확대할 수 있는 PTZ(Pan Tilt Zoom) 카메라 기반의 객체 탐지 및 추적 기술이 사용되고 있다. PTZ 카메라 기반의 객체 탐지 및 추적 방법은 크게, PTZ 카메라 단독으로 객체를 탐지하고 추적하는 기술과, 고정-PTZ 카메라 연동의 객체 탐지 및 추적 기술로 구분할 수 있다.
PTZ 카메라 단독으로 객체를 탐지하고 추적하는 기술은 통상 카메라 고유의 광학적 정보와 실세계 좌표를 매핑하여 객체를 추적한다. 통상적으로 추적 대상이 되는 객체를 줌인한 후 영상의 중앙에 위치하도록 카메라를 제어하면서 영상을 저장하거나, 영상에서 객체(통상적으로 얼굴)을 분리하여 저장하고 있다.
그러나 많은 경우 객체 정보를 이용한 자동화된 원거리 사람 식별 등을 고려하지 않고, 단지 좀 더 고해상도의 객체 정보를 제공하는 것을 목적으로 하고 있다. 또한 객체 추적의 목적이 관심 대상이 되는 객체를 항상 영상의 중앙에 위치하도록 카메라를 제어하는 것이기 때문에 지나친 팬-틸트(Pan-Tilt) 동작으로 인하여 관심 대상이 되는 객체의 영상이 열화되는 현상이 발생하기도 한다. 이는 자동화된 원거리 사람 식별 시스템의 입력으로 사용될 경우 시스템의 성능을 저하시키는 요인으로 작용한다.
고정-PTZ 카메라 연동 기반의 객체 탐지 및 추적 기술은 고정 카메라에서 생성된 관심 영역에 대한 정보를 이용하여 PTZ 카메라로 관심 객체를 추적하는 기술이다. 통상적으로 고정 카메라와 PTZ 카메라의 연동을 위해서는 고정 카메라의 영상 좌표를 PTZ 카메라의 물리 좌표와 매핑시키는 과정이 필요하게 된다. 이는 설치 장소가 바뀌거나 주변 환경이 변화하게 되면 카메라간 좌표 맵을 새로이 갱신해야 하는 문제점이 있었다.
상기의 종래 방법들에서는 단순히 PTZ 카메라 단독 또는 고정-PTZ 카메라 연동기반의 객체 탐지 및 추적에 대해서만 고려하고 있으나, 원거리 사람 식별 등에 적합한 얼굴영상 획득까지는 고려하고 있지는 못하는 실정이다.
본 발명의 배경기술은 대한민국 특허공개번호 10-2011-0051308호(2011.05.18)의 '얼굴 이미지 촬영 장치 및 방법'에 개시되어 있다.
본 발명은 전술한 문제점을 개선하기 위해 창안된 것으로서, 고정 카메라에서 탐지 및 추적하는 객체 중 관심 객체를 PTZ 카메라를 이용하여 추적하고, PTZ 카메라에서 생성된 영상으로부터 원거리 얼굴 식별에 최적인 얼굴영상을 획득하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치를 제공하는데 그 목적이 있다.
본 발명의 일 측면에 따른 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치는 고정 카메라에서 탐지 및 추적하는 관심 객체를 PTZ 카메라를 통해 추적하여 관심 객체 영상을 생성하는 다중 카메라 제어 모듈; 및 상기 다중 카메라 제어 모듈에서 생성된 상기 관심 객체 영상에서 원거리 얼굴 식별에 적합한 얼굴영상을 획득하는 얼굴영상 획득 모듈을 포함하는 것을 특징으로 한다.
본 발명의 상기 다중 카메라 제어 모듈은 상기 고정 카메라의 영상에서 상기 관심 객체들을 탐지 및 추적하는 객체 추적부; 상기 객체 추적부에서 추적되는 상기 관심 객체의 특징을 온라인으로 학습하는 온라인 학습부; 및 상기 온라인 학습부에서 온라인 학습된 상기 관심 객체를 퍼지 추론을 이용하여 상기 PTZ 카메라를 제어하는 PTZ 카메라 제어부를 포함하는 것을 특징으로 한다.
본 발명의 상기 온라인 학습부는 상기 관심 객체의 객체 특징값을 추출하여 온라인 학습을 수행하는 것을 특징으로 한다.
본 발명의 상기 객체 특징값은 색상 모델과 텍스처 모델을 포함하는 것을 특징으로 한다.
본 발명의 상기 객체 특징값은 상기 관심 객체를 다수 개의 블록으로 구분하고, 상기 블록에 대해 색상 히스토그램과 LBP(Local Binary Pattern) 히스트로그램을 구하여 정규화한 후, 합산하여 추출되는 것을 특징으로 한다.
본 발명의 상기 PTZ 카메라 제어부는 상기 객체 특징값을 이용하여 입력된 영상에서 상기 관심 객체를 탐지하여 상기 관심 객체의 크기에 따라, 줌 인 또는 줌 아웃 제어를 수행하고, 상기 줌 인 또는 줌 아웃 제어에 따라 팬(Pan) 및 틸트(Tilt)의 출력값의 크기를 조정하며, 상기 영상의 객체 중점 좌표를 입력으로 퍼지 추론 엔진을 통해 상기 퍼지 추론을 수행하여 상기 퍼지 추론 엔진의 출력값에 따라, 팬(Pan) 및 틸트(Tilt) 제어를 수행하는 것을 특징으로 한다.
본 발명의 상기 PTZ 카메라 제어부는 상기 관심 객체가 일정한 크기를 유지하면서 상기 PTZ 카메라의 영상의 중앙에 위치하도록 하는 것을 특징으로 한다.
본 발명의 상기 PTZ 카메라 제어부는 상기 퍼지 추론에 따른 퍼지 소속 함수의 개수 및 범위를 조정하여 상기 PTZ 카메라의 팬-틸트-줌을 제어하는 것을 특징으로 한다.
본 발명의 상기 퍼지 소속 함수는 상기 PTZ 카메라의 제어 정확도에 따라 개수와 범위를 조정하는 것을 특징으로 한다.
본 발명의 상기 중앙의 퍼지 소속 함수는 사다리꼴 함수로 정의되는 것을 특징으로 한다.
본 발명의 상기 얼굴영상 획득 모듈은 상기 다중 카메라 제어 모듈로부터 전달받은 상기 관심 객체 영상에서 얼굴의 영역을 탐지하는 얼굴 탐지부; 상기 얼굴 탐지부에서 탐지된 얼굴의 자세를 추정하는 얼굴 자세 추정부; 및 상기 얼굴 탐지부로부터 전달받은 상기 관심 객체 영상의 품질을 측정하는 영상 품질 측정부를 포함하는 것을 특징으로 한다.
본 발명의 상기 얼굴 자세 추정부는 특정 개수의 각도를 유지하는 얼굴 영상으로 학습을 수행하며, 상기 얼굴의 자세 중 상하 자세와 좌우 자세는 회귀분석 모델을 이용하여 추정하는 것을 특징으로 한다.
본 발명의 상기 얼굴영상 획득 모듈은 상기 다중 카메라 제어 모듈로부터 전달받은 상기 관심 객체 영상의 얼굴 영상 중에서 어느 하나를 선택하는 것을 특징으로 한다.
본 발명은 온라인 객체 학습 및 퍼지 추론 기반 PTZ 제어를 통하여, 불필요한 PTZ 카메라의 움직임을 줄였으며, 설치 환경에 영향을 받지 않고, 객체의 움직임과 줌(Zoom) 정도에 따라 객체를 추적할 수 있다. 또한 불필요한 PTZ 움직임을 줄임으로써, 모션 블러 등의 영상 열화 현상을 줄일 수 있다. 따라서, 다양한 영상 보안 분야 뿐만 아니라 로봇, 자동차 분야 등에 적용할 수 있다.
또한, 본 발명은 영상 보안, 로봇, 자동차 등 다양한 산업 분야에 적용됨으로써, 산업을 활성화시키는데 기여할 수 있으며, 원거리 사람 식별 및 검색의 중요한 요소기술로서의 사용될 수 있다.
또한, 본 발명은 다중(고정-PTZ) 카메라 제어를 통해 얻은 고해상도 객체 영상으로부터 원거리 얼굴 식별 및 검색에 적합한 얼굴영상을 획득함으로써, 지능형 영상보안 분야 및 원거리의 사람 식별 및 검색을 이용하는 분야, 예를 들면, 용의자 및 위험인물 검색, 미아 찾기 등을 포함한 다양한 응용 분야에 적용할 수 있다.
도 1 은 본 발명의 일 실시예에 따른 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치의 블럭 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 PTZ 카메라 기반 객체 검출부의 관심 객체의 온라인 학습인 객체 특징값 추출 과정을 도시한 도면이다.
도 3 은 본 발명의 일 실시예에 따른 PTZ 카메라 제어부의 입력 소속 함수 예를 도시한 도면이다.
도 4 는 본 발명의 일 실시예에 따른 팬-틸트 제어를 위한 퍼지 추론 엔진의 블럭 구성도이다.
도 5 는 본 발명의 일 실시예에 따른 퍼지 추론 기반 PTZ 제어 과정을 도시한 순서도이다.
도 6 은 본 발명의 일 실시예에 따른 얼굴영상 선택 과정을 도시한 순서도이다.
도 2 는 본 발명의 일 실시예에 따른 PTZ 카메라 기반 객체 검출부의 관심 객체의 온라인 학습인 객체 특징값 추출 과정을 도시한 도면이다.
도 3 은 본 발명의 일 실시예에 따른 PTZ 카메라 제어부의 입력 소속 함수 예를 도시한 도면이다.
도 4 는 본 발명의 일 실시예에 따른 팬-틸트 제어를 위한 퍼지 추론 엔진의 블럭 구성도이다.
도 5 는 본 발명의 일 실시예에 따른 퍼지 추론 기반 PTZ 제어 과정을 도시한 순서도이다.
도 6 은 본 발명의 일 실시예에 따른 얼굴영상 선택 과정을 도시한 순서도이다.
이하에서는 본 발명의 일 실시예에 따른 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치를 첨부된 도면을 참조하여 상세하게 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로, 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1 은 본 발명의 일 실시예에 따른 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치의 블럭 구성도이고, 도 2 는 본 발명의 일 실시예에 따른 PTZ 카메라 기반 객체 검출부의 관심 객체의 온라인 학습인 객체 특징값 추출 과정을 도시한 도면이며, 도 3 은 본 발명의 일 실시예에 따른 PTZ 카메라 제어부(16)의 입력 소속 함수 예를 도시한 도면이며, 도 4 는 본 발명의 일 실시예에 따른 팬-틸트 제어를 위한 퍼지 추론 엔진의 블럭 구성도이며, 도 5 는 본 발명의 일 실시예에 따른 퍼지 추론 기반 PTZ 제어 과정을 도시한 순서도이며, 도 6 은 본 발명의 일 실시예에 따른 얼굴영상 선택 과정을 도시한 순서도이다.
본 발명의 일 실시예에 따른 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치는 다중 카메라 제어 모듈(10) 및 얼굴영상 획득 모듈(20)을 포함하는 것으로써, 다중 카메라 제어 모듈(10)이 저열화 고해상도의 관심 객체 영상을 획득하면, 얼굴영상 획득 모듈(20)이 다중 카메라 제어 모듈(10)에서 획득된 관심 객체 영상으로부터 원거리 얼굴 식별에 최적화된 얼굴영상을 획득한다. 이와 같이, 획득된 얼굴영상은 얼굴 인식 시스템(미도시) 또는 얼굴 검색 시스템(미도시)에 입력되어 얼굴 인식 또는 검색에 사용된다.
다중 카메라 제어 모듈(10)은 고정 카메라에서 탐지 및 추적하는 객체 중 관심 객체를 PTZ 카메라를 이용하여 추적하는 것으로써, 고정 카메라(미도시)에서 생성된 영상에서 객체들을 탐지 및 추적하는 객체 추적부(12), 객체 추적부(12)에서 추적부를 통해 고정 카메라 영상에서 추적 중인 객체들 중 관심 객체를 학습하기 위한 객체 온라인 학습부(14) 및 객체 온라인 학습부(14)에서 온라인 학습된 관심객체를 퍼지 추론을 이용하여 PTZ 카메라를 제어하는 PTZ 카메라 제어부(16)를 포함한다.
먼저, 객체 추적부(12)는 고정 카메라에서 입력된 영상에서 사람을 탐지하고 추적한다.
이 경우, 객체 추적부(12)는 특히 사람 탐지시에는 HoG(Histogram of Oriented Gradient)와 SVM(Support Vector)을 이용하여 탐지하고, 다중 객체 추적은 파티클 필터(Particle Filter) 등이 이용될 수 있다.
참고로, 본 실시예에서, 객체 추적부(12)는 상기한 실시예에 한정되는 것은 아니며, 고정 카메라로부터 입력된 영상에서 사람 등과 같은 객체를 탐지 및 추적하는 다양한 기술을 모두 포함한다할 것이다.
객체 온라인 학습부(14)는 상기한 객체 추적부(12)에서 탐지 및 추적 중인 객체들 중 관심 객체의 특징을 온라인으로 학습한다. 이 경우, 관심 객체는 시스템 운용 전략에 따라 다양하게 선택될 수 있다. 일 예로, 관심 객체는 사용자에 의해 직접 선택될 수 있으며, 전략에 따라 탐지된 객체 순서에 따라 선택될 수 있으며, 또한 이상행동 여부에 따라 선택될 수 있다.
상기한 온라인 학습에 대해서, 본 발명에서는 객체를 표현하는데 가장 적합한 객체 특징값을 추출함으로써 온라인 학습을 수행한다.
온라인 학습인 객체 특징값 추출 과정에 있어서, 영상 중에서 객체의 정보를 표현하는데 적합한 방법으로는 색상 모델과 텍스처 모델이 포함될 수 있다. 따라서, 본 실시예에서는 색상 모델과 텍스처 모델을 이용하여 객체 특징값으로 사용한다.
온라인 학습인 객체 특징값 추출 과정을 도 2 을 참조하여 상세하게 설명한다.
먼저, 도 2 의 (a) 및 (b)에 나타낸 바와 같이, 관심 객체를 다수 개의 블록으로 구분한다.
관심 객체가 (b)에 나타난 바와 같이 다수 개의 블록으로 구분되면, 각 블록에 대해 (c)에 나타낸 바와 같이, 색상 히스토그램을 계산하고, (d)에 나타낸 바와 같이, 텍스처 정보인 LBP(Local Binary Pattern) 연산을 수행한 후, (e)에 나타낸 바와 같이, 색상 히스토그램과 LBP 히스토그램을 각각 통합 및 정규화한다.
마지막으로, 색상 히스토그램과 LBP 히스토그램을 하나의 히스토그램으로 아래의 수학식
객체 특징값=α색상히스토그램+(1-α)LBP히스토그램
을 이용하여 합산한다.
이와 같이, 색상 히스토그램과 LBP 히스토그램을 결합함으로써, 관심 객체의 특징이 명확하게 표현되며, 히스토그램을 정규화함으로써, 크기가 다른 객체들 간의 유사성을 판단할 수 있게 된다.
PTZ 카메라 제어부(16)는 상기한 객체 온라인 학습부(14)를 통해 얻은 온라인 학습 결과인 특징 값들을 이용하여 퍼지 추론 기반으로 PTZ 제어를 수행한다. 이를 통해, 설치 환경에 영향이 적고, 고해상도 저열화 객체 영상을 획득한다.
PTZ 제어는 관심 객체가 일정한 크기를 유지하면서 PTZ 카메라의 영상 중앙 부에 위치하도록 팬-틸트-줌(Pan-Tilt-Zoom)을 제어하는 것으로써, 도 3 에 도시된 바와 같은 모양의 입력에 대한 퍼지 소속 함수를 이용하여 팬-틸트-줌(Pan-Tilt-Zoom)을 제어한다.
도 3 을 참조하면, 퍼지 소속 함수에서 중앙의 사다리꼴 소속 함수 (a)는 영상의 '가로 또는 세로의 중심'을 나타낸다.
또한, 중앙의 사다리꼴 소속 함수 (a)를 중심으로 좌측의 삼각형 소속 함수 중 (b)는 '왼쪽으로 조금 또는 아래로 조금'을 나타내며, (c)는 '왼쪽으로 많이 또는 아래로 많이'를 나타낸다.
게다가, 중앙의 사다리꼴 소속 함수를 중심으로 우측의 삼각형 소속 함수 중 (d)는 '오른쪽으로 조금 또는 위로 조금'을 나타내며, (e)는 '오른쪽으로 많이 또는 위로 많이'를 나타낸다.
여기서, 도 3 은 단지 하나의 예시이며, 소속 함수의 개수 및 범위는 시스템의 정확도에 따라 조정될 수 있다.
본 실시예에서는 중앙의 함수를 사다리꼴 함수로 정의함으로써, 추적중인 객체가 중앙에서 크게 벗어나지 않을 때에는 팬-틸트(Pan-Tilt) 제어를 하지 않음으로써, PTZ 카메라의 불필요한 제어 범위를 제거하였으며, 모션 블러(motion blur) 등의 영상 열화 요소를 줄일 수 있다. 게다가, 중앙의 사다리꼴 함수의 윗면의 넓이를 조정함으로써 PTZ의 제어 정확도를 조정할 수 있다.
도 4 일반적인 퍼지 오퍼레이션에서 2개의 제어값을 합칠 때 사용되는 오퍼레이션으로써, 팬(pan) 틸트(Tilt) 제어를 위한 2개의 제어값을 입력(x)으로 하여 팬-틸트(Pan-Tilt) 제어를 위한 실제 오퍼레이터 신호(y)를 출력하는 것을 나타낸다. 여기서, α는 퍼지 관계식을 병렬 연결할 때 사용되는 오퍼레이터로써, 합집한 또는 교집합이 채용될 수 있으나, 본 발명의 기술적 범위는 반드시 합집합 또는 교집합으로 한정되는 것은 아니다,
이러한 오퍼레이션에 따라, 퍼지 추론 엔진은 줌(Zoom)의 경우, 화면에서 객체의 크기가 적정한 수준이 될 때까지 줌인 또는 줌 아웃을 수행한다. 이 경우, 줌 인 또는 줌 아웃에 따라 각각 팬(Pan) 제어 출력 값과 틸트(Tilt) 제어 출력 값의 크기를 조정한다.
전술한 퍼지 추론 엔진을 기반으로 하는 PTZ 제어 과정은 도 5 에 도시된 바와같이, 객체 온라인 학습부(14)로부터 입력된 관심 객체의 온라인 학습의 객체 특징값을 이용하여 입력된 영상에서 객체를 탐지한다(S100).
탐지 결과, 탐지된 객체의 크기를 판정하여 객체 조정이 필요한 지를 판단하고(S110), 판단 결과, 객체 조정이 필요하면, 탐지된 객체의 크기에 따라 줌 인 또는 줌 아웃 제어를 수행한다. 이 경우, 탐지된 객체의 크기가 작으면, 줌 인 제어를 수행하고, 크기가 크면 줌 아웃 제어를 수행한다(S120).
아울러, 줌 인 또는 줌 아웃에 따라 팬(Pan) 및 틸트(Tilt)의 출력값의 크기를 조정한다(S130).
이와 같이, 팬(Pan) 및 틸트(Tilt)의 출력값의 크기를 조정하거나, 상기한 과정(S110)에서 객체 조정이 불필요한 것으로 판단되면, 객체 중점 좌표를 입력으로 전술한 퍼지 추론 엔진을 통해 퍼지 추론을 수행하고(S140), 퍼지 추론 엔진의 출력값에 따라, 팬(Pan) 및 틸트(Tilt) 제어를 수행한다(S150).
이러한 팬(Pan) 및 틸트(Tilt) 제어를 수행한 결과, 팬(Pan) 및 틸트(Tilt) 제어를 정지시키는 정지 조건을 만족할 때까지 반복될 수 있다.
다음으로, 얼굴영상 획득 모듈(20)은 다중 카메라 제어 모듈(10)에서 획득된 영상으로부터 원거리 얼굴 식별에 최적화된 얼굴영상을 획득하는 것으로써, 상기한 다중 카메라 제어 모듈(10)로부터 획득된 객체 영상에서 얼굴을 탐지하는 얼굴 탐지부(22)와, 탐지된 얼굴의 자세를 추정하는 얼굴 자세 추정부(24) 및 얼굴영상의 품질을 측정하는 영상 품질 측정부(26)를 포함한다.
이러한 얼굴영상 획득 모듈(20)은 다중 카메라 제어 모듈(10)에서 획득한 얼굴영상의 얼굴 자세 및 영상의 품질을 고려하여 원거리 얼굴 인식에 가장 적합한 얼굴영상을 선택하여 원거리 얼굴 식별 및 검색에 사용할 수 있도록 제공한다.
먼저, 얼굴 탐지부(22)는 다중 카메라 제어 모듈(10)로부터 획득된 고해상도 저열화된 객체 영상으로부터 얼굴 영역을 탐지한다. 이러한 얼굴 탐지부(22)는 아다부스팅 방법, 캐스캐이딩 방법, 오메가 쉐입 모델 등을 사용할 수 있다. 그러나, 본 발명의 기술적 범위는 이에 한정되지 않고, 얼굴 탐지에 적용될 수 있는 다양한 기술이 모두 포함된다할 것이다.
얼굴 자세 추정부(24)는 얼굴 탐지부(22)로부터 입력받은 얼굴의 자세를 추정한다.
얼굴 자세 추정부(24)는 2차원 영상에서 얼굴의 특징점들을 입력으로 하는 회귀 분석을 통해 얼굴 자세를 추정한다.
통상적으로, 얼굴의 모든 각도를 포함하는 학습 데이터를 이용하여 얼굴 자세를 학습하는 것은 매우 어려운 일이다. 따라서, 본 실시예에서는 특정 몇 개의 각도를 유지하고 있는 얼굴영상들만으로 학습을 수행하며, 학습되지 않은 얼굴 자세를 추정하기 위하여 회귀 분석 모델을 이용한다.
얼굴의 포즈는 상하 포즈, 좌우 포즈, 얼굴의 회전으로 구분되어진다. 이 중 얼굴의 회전은 단순한 선형 변형으로 보정이 가능하기 때문에 별도의 회귀분석 모델을 만들지 않는다. 얼굴의 포즈 중 상하 포즈를 측정할 수 있는 회귀분석 모델과 좌우 포즈를 측정할 수 있는 회귀분석 모델을 만든다.
일 예로, 얼굴의 특징점은 ASEF 필터(Average of Synthetic Exact Filter) 등을 이용한 눈 검출 및 입술 검출, 스케치 오퍼레이터를 이용한 얼굴 윤곽선 검출 등을 이용하여 추출할 수 있으며, 회귀분석 모델은 SVR(Support Vector Regression), 뉴럴 네트워크(Neural Network), 비선형 회귀분석 모델 등을 이용할 수 있다. 그러나, 본 발명의 기술적 범위는 상기한 실시예에 한정되는 것은 아니며, 얼굴의 특징점 추출을 위한 다양한 기술을 모두 포함한다할 것이다.
영상 품질 측정부(26)는 얼굴 탐지부(22)로부터 입력받은 영상의 품질을 측정하는 것으로서, 영상의 블로킹 효과나 블러를 측정하기 위하여 노 레퍼런스(No Reference) 기반의 영상 품질 측정 방법을 이용할 수 있다.
전술한 얼굴영상 획득 과정은 탐지된 얼굴영상들로부터 얼굴 자세 측정값 및 영상의 품질을 고려하여 원거리 얼굴 식별 및 검색에 가장 최적인 얼굴영상을 선택한다. 이를 도 6 을 참조하여 설명한다.
도 6 을 참조하면, 얼굴 탐지부(22)는 다중 카메라 제어 모듈(10)로부터 관심 객체 영상을 전달받아 얼굴을 탐지하고 이러한 과정은 PTZ 카메라에 의해 객체를 더이상 추적할 수 없을 때까지 반복된다(S200,S210).
따라서, 마지막 영상일 경우, 매 얼굴 영상 마다 얼굴 탐지부(22)에 의해 탐지된 얼굴을 이용하여 얼굴 자세 추정부(24)가 얼굴 자세를 추정하고, 영상 품질 측정부(26)가 상기한 얼굴 영상의 품질을 측정하여 최종적으로 원거리 얼굴 인식에 가장 적합한 얼굴 영상을 선택한다(S220~S250).
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.
10: 다중 카메라 제어 모듈 12: 객체 추적부
14: 객체 온라인 학습부 16: PTZ 카메라 제어부
20: 얼굴영상 획득 모듈 22: 얼굴 탐지부
24: 얼굴 자세 추정부 26: 영상 품질 측정부
14: 객체 온라인 학습부 16: PTZ 카메라 제어부
20: 얼굴영상 획득 모듈 22: 얼굴 탐지부
24: 얼굴 자세 추정부 26: 영상 품질 측정부
Claims (13)
- 고정 카메라에서 탐지 및 추적하는 관심 객체를 PTZ 카메라를 통해 추적하여 관심 객체 영상을 생성하는 다중 카메라 제어 모듈; 및
상기 다중 카메라 제어 모듈에서 생성된 상기 관심 객체 영상에서 원거리 얼굴 식별에 적합한 얼굴영상을 획득하는 얼굴영상 획득 모듈을 포함하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 1 항에 있어서, 상기 다중 카메라 제어 모듈은
상기 고정 카메라의 영상에서 상기 관심 객체들을 탐지 및 추적하는 객체 추적부;
상기 객체 추적부에서 추적되는 상기 관심 객체의 특징을 온라인으로 학습하는 온라인 학습부; 및
상기 온라인 학습부에서 온라인 학습된 상기 관심 객체를 퍼지 추론을 이용하여 상기 PTZ 카메라를 제어하는 PTZ 카메라 제어부를 포함하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 2 항에 있어서, 상기 온라인 학습부는
상기 관심 객체의 객체 특징값을 추출하여 온라인 학습을 수행하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 3 항에 있어서, 상기 객체 특징값은
색상 모델과 텍스처 모델을 포함하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 3 항에 있어서, 상기 객체 특징값은
상기 관심 객체를 다수 개의 블록으로 구분하고, 상기 블록에 대해 색상 히스토그램과 LBP(Local Binary Pattern) 히스트로그램을 구하여 정규화한 후, 합산하여 추출되는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 2 항에 있어서, 상기 PTZ 카메라 제어부는
상기 객체 특징값을 이용하여 입력된 영상에서 상기 관심 객체를 탐지하여 상기 관심 객체의 크기에 따라, 줌 인 또는 줌 아웃 제어를 수행하고, 상기 줌 인 또는 줌 아웃 제어에 따라 팬(Pan) 및 틸트(Tilt)의 출력값의 크기를 조정하며, 상기 영상의 객체 중점 좌표를 입력으로 퍼지 추론 엔진을 통해 상기 퍼지 추론을 수행하여 상기 퍼지 추론 엔진의 출력값에 따라, 팬(Pan) 및 틸트(Tilt) 제어를 수행하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 2 항에 있어서, 상기 PTZ 카메라 제어부는
상기 관심 객체가 일정한 크기를 유지하면서 상기 PTZ 카메라의 영상의 중앙에 위치하도록 하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 2 항에 있어서, 상기 PTZ 카메라 제어부는
상기 퍼지 추론에 따른 퍼지 소속 함수의 개수 및 범위를 조정하여 상기 PTZ 카메라의 팬-틸트-줌을 제어하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 8 항에 있어서, 상기 퍼지 소속 함수는
상기 PTZ 카메라의 제어 정확도에 따라 개수와 범위를 조정하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 8 항에 있어서, 상기 중앙의 퍼지 소속 함수는
사다리꼴 함수로 정의되는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 1 항에 있어서, 상기 얼굴영상 획득 모듈은
상기 다중 카메라 제어 모듈로부터 전달받은 상기 관심 객체 영상에서 얼굴의 영역을 탐지하는 얼굴 탐지부;
상기 얼굴 탐지부에서 탐지된 얼굴의 자세를 추정하는 얼굴 자세 추정부; 및
상기 얼굴 탐지부로부터 전달받은 상기 관심 객체 영상의 품질을 측정하는 영상 품질 측정부를 포함하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 11 항에 있어서, 상기 얼굴 자세 추정부는
특정 개수의 각도를 유지하는 얼굴 영상으로 학습을 수행하며, 상기 얼굴의 자세 중 상하 자세와 좌우 자세는 회귀분석 모델을 이용하여 추정하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치. - 제 11 항에 있어서, 상기 얼굴영상 획득 모듈은
상기 다중 카메라 제어 모듈로부터 전달받은 상기 관심 객체 영상의 얼굴 영상 중에서 어느 하나를 선택하는 것을 특징으로 하는 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120006392A KR20130085316A (ko) | 2012-01-19 | 2012-01-19 | 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치 |
US13/668,173 US9036039B2 (en) | 2012-01-19 | 2012-11-02 | Apparatus and method for acquiring face image using multiple cameras so as to identify human located at remote site |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120006392A KR20130085316A (ko) | 2012-01-19 | 2012-01-19 | 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20130085316A true KR20130085316A (ko) | 2013-07-29 |
Family
ID=48796919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020120006392A KR20130085316A (ko) | 2012-01-19 | 2012-01-19 | 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9036039B2 (ko) |
KR (1) | KR20130085316A (ko) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469018A (zh) * | 2014-08-07 | 2016-04-06 | 中兴通讯股份有限公司 | 一种人眼定位的方法和设备 |
KR20210119133A (ko) * | 2020-03-24 | 2021-10-05 | 연세대학교 산학협력단 | 딥러닝 기반의 자세 추정을 이용한 3차원 전역 위치 인식 장치 및 이동 로봇 |
KR20230129679A (ko) * | 2022-03-02 | 2023-09-11 | 삼성전자주식회사 | 객체의 인식을 수행하는 방법 및 장치 |
CN117241133A (zh) * | 2023-11-13 | 2023-12-15 | 武汉益模科技股份有限公司 | 基于非固定位置的多工序同时作业的视觉报工方法及*** |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9619881B2 (en) * | 2013-09-26 | 2017-04-11 | Cellogy, Inc. | Method and system for characterizing cell populations |
US20160048721A1 (en) * | 2014-08-12 | 2016-02-18 | Joseph Cole Harper | System and method for accurately analyzing sensed data |
AU2015305303B2 (en) | 2014-08-21 | 2021-03-25 | Identiflight International, Llc | Avian detection systems and methods |
US9856856B2 (en) | 2014-08-21 | 2018-01-02 | Identiflight International, Llc | Imaging array for bird or bat detection and identification |
US10070077B2 (en) * | 2014-09-26 | 2018-09-04 | Sensormatic Electronics, LLC | System and method for automated camera guard tour operation |
KR102101438B1 (ko) | 2015-01-29 | 2020-04-20 | 한국전자통신연구원 | 연속 시점 전환 서비스에서 객체의 위치 및 크기를 유지하기 위한 다중 카메라 제어 장치 및 방법 |
KR102115328B1 (ko) | 2015-06-15 | 2020-05-26 | 한국전자통신연구원 | 전역 대조도 기반 영상 매팅을 통한 영상 내부의 관심 객체 추출 장치 및 방법 |
CN105554354A (zh) * | 2015-12-24 | 2016-05-04 | 浙江工商大学 | 一种高清摄像头 |
CN105654512B (zh) * | 2015-12-29 | 2018-12-07 | 深圳微服机器人科技有限公司 | 一种目标跟踪方法和装置 |
CN105791674B (zh) * | 2016-02-05 | 2019-06-25 | 联想(北京)有限公司 | 电子设备和对焦方法 |
CN106439656A (zh) * | 2016-10-28 | 2017-02-22 | 江苏中标节能科技发展股份有限公司 | 人面识别***及智能路灯 |
CN108073859A (zh) * | 2016-11-16 | 2018-05-25 | 天津市远卓自动化设备制造有限公司 | 一种特定区域的监测装置及方法 |
CN106791636A (zh) * | 2016-12-15 | 2017-05-31 | 重庆凯泽科技股份有限公司 | 一种重点人群监控***和方法 |
US10762653B2 (en) * | 2016-12-27 | 2020-09-01 | Canon Kabushiki Kaisha | Generation apparatus of virtual viewpoint image, generation method, and storage medium |
KR20180092495A (ko) | 2017-02-09 | 2018-08-20 | 한국전자통신연구원 | 다중 카메라 영상 내 관심 객체 중심의 베스트 뷰 영상 생성 장치 및 방법 |
CN107205138A (zh) * | 2017-07-11 | 2017-09-26 | 周俊 | 一种大气环境监测*** |
CN108304001A (zh) * | 2018-02-09 | 2018-07-20 | 成都新舟锐视科技有限公司 | 一种人脸检测跟踪方法、球机头部转动控制方法及球机 |
CN108711164B (zh) * | 2018-06-08 | 2020-07-31 | 广州大学 | 一种基于LBP和Color特征的运动检测方法 |
CN108989765B (zh) * | 2018-08-24 | 2021-06-15 | 周忠和 | 动态跟踪自拍的三角架*** |
JP6705486B2 (ja) * | 2018-11-07 | 2020-06-03 | 日本電気株式会社 | 被写体検知装置、システム、方法およびプログラム |
CN111383243B (zh) * | 2018-12-28 | 2023-04-28 | 杭州海康微影传感科技有限公司 | 一种跟踪目标对象的方法、装置、设备和存储介质 |
TWI706676B (zh) * | 2019-07-01 | 2020-10-01 | 微星科技股份有限公司 | 多攝影機監控追蹤系統及其方法 |
KR102432901B1 (ko) | 2019-11-25 | 2022-08-18 | 한국전자통신연구원 | 회전형 카메라 기반 검출영역 구성 방법 및 장치 |
CN112036257A (zh) * | 2020-08-07 | 2020-12-04 | 华中师范大学 | 一种无感知人脸图像采集方法和*** |
US11403781B2 (en) * | 2020-08-25 | 2022-08-02 | Verizon Patent And Licensing Inc. | Methods and systems for intra-capture camera calibration |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6430312B1 (en) * | 1997-12-29 | 2002-08-06 | Cornell Research Foundation, Inc. | Image subregion querying using color correlograms |
US6424736B1 (en) * | 1999-05-24 | 2002-07-23 | The United States Of America As Represented By The Secretary Of The Army | Fuzzy logic technique to determine search time and probability of detection for targets of interest in background scenes |
US7940299B2 (en) * | 2001-08-09 | 2011-05-10 | Technest Holdings, Inc. | Method and apparatus for an omni-directional video surveillance system |
JP3954484B2 (ja) * | 2002-12-12 | 2007-08-08 | 株式会社東芝 | 画像処理装置およびプログラム |
US7379627B2 (en) * | 2003-10-20 | 2008-05-27 | Microsoft Corporation | Integrated solution to digital image similarity searching |
TW200539046A (en) * | 2004-02-02 | 2005-12-01 | Koninkl Philips Electronics Nv | Continuous face recognition with online learning |
US7689010B2 (en) * | 2004-12-03 | 2010-03-30 | Invacare International Sarl | Facial feature analysis system |
US7715597B2 (en) * | 2004-12-29 | 2010-05-11 | Fotonation Ireland Limited | Method and component for image recognition |
US7636105B2 (en) * | 2006-04-05 | 2009-12-22 | Etreppid Technologies Llc | Method and apparatus for providing motion control signals between a fixed camera and a PTZ camera |
US7848548B1 (en) * | 2007-06-11 | 2010-12-07 | Videomining Corporation | Method and system for robust demographic classification using pose independent model from sequence of face images |
US8111912B2 (en) * | 2008-02-15 | 2012-02-07 | Yahoo! Inc. | Cost-effective image metadata creation using near-duplicate image detection |
US8503770B2 (en) * | 2009-04-30 | 2013-08-06 | Sony Corporation | Information processing apparatus and method, and program |
US20120316421A1 (en) * | 2009-07-07 | 2012-12-13 | The Johns Hopkins University | System and method for automated disease assessment in capsule endoscopy |
US8351662B2 (en) * | 2010-09-16 | 2013-01-08 | Seiko Epson Corporation | System and method for face verification using video sequence |
KR101395094B1 (ko) * | 2010-09-29 | 2014-05-16 | 안동대학교 산학협력단 | 개체 검출 방법 및 시스템 |
US8659697B2 (en) * | 2010-11-11 | 2014-02-25 | DigitalOptics Corporation Europe Limited | Rapid auto-focus using classifier chains, MEMS and/or multiple object focusing |
-
2012
- 2012-01-19 KR KR1020120006392A patent/KR20130085316A/ko not_active Application Discontinuation
- 2012-11-02 US US13/668,173 patent/US9036039B2/en active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469018A (zh) * | 2014-08-07 | 2016-04-06 | 中兴通讯股份有限公司 | 一种人眼定位的方法和设备 |
CN105469018B (zh) * | 2014-08-07 | 2020-03-13 | 中兴通讯股份有限公司 | 一种人眼定位的方法和设备 |
KR20210119133A (ko) * | 2020-03-24 | 2021-10-05 | 연세대학교 산학협력단 | 딥러닝 기반의 자세 추정을 이용한 3차원 전역 위치 인식 장치 및 이동 로봇 |
KR20230129679A (ko) * | 2022-03-02 | 2023-09-11 | 삼성전자주식회사 | 객체의 인식을 수행하는 방법 및 장치 |
CN117241133A (zh) * | 2023-11-13 | 2023-12-15 | 武汉益模科技股份有限公司 | 基于非固定位置的多工序同时作业的视觉报工方法及*** |
CN117241133B (zh) * | 2023-11-13 | 2024-02-06 | 武汉益模科技股份有限公司 | 基于非固定位置的多工序同时作业的视觉报工方法及*** |
Also Published As
Publication number | Publication date |
---|---|
US9036039B2 (en) | 2015-05-19 |
US20130188070A1 (en) | 2013-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20130085316A (ko) | 원거리 사람 식별을 위한 다중 카메라 기반의 얼굴영상 획득 장치 | |
KR101808587B1 (ko) | 객체인식과 추적감시 및 이상상황 감지기술을 이용한 지능형 통합감시관제시스템 | |
Ahmed et al. | A robust features-based person tracker for overhead views in industrial environment | |
CN108447091B (zh) | 目标定位方法、装置、电子设备及存储介质 | |
GB2529943B (en) | Tracking processing device and tracking processing system provided with same, and tracking processing method | |
CN109151375B (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
CN107123131B (zh) | 一种基于深度学习的运动目标检测方法 | |
CN104378582B (zh) | 一种基于ptz摄像机巡航的智能视频分析***及方法 | |
KR101127493B1 (ko) | 화상 처리 장치, 화상 처리 방법 및 공조 제어 장치 | |
CN104200192A (zh) | 驾驶员注视检测*** | |
JP6654789B2 (ja) | 変化点で複数候補を考慮して物体を追跡する装置、プログラム及び方法 | |
WO2001084844A1 (en) | System for tracking and monitoring multiple moving objects | |
JP4764172B2 (ja) | 画像処理による移動体候補の検出方法及び移動体候補から移動体を検出する移動体検出方法、移動体検出装置及び移動体検出プログラム | |
CN101406390A (zh) | 检测人体部位和人的方法和设备以及对象检测方法和设备 | |
CN108369739B (zh) | 物体检测装置和物体检测方法 | |
CN113449606B (zh) | 一种目标对象识别方法、装置、计算机设备及存储介质 | |
JP6043933B2 (ja) | 眠気レベルの推定装置、眠気レベルの推定方法および眠気レベルの推定処理プログラム | |
Gal | Automatic obstacle detection for USV’s navigation using vision sensors | |
KR101542206B1 (ko) | 코아스-파인 기법을 이용한 객체 추출과 추적 장치 및 방법 | |
KR101290517B1 (ko) | 촬영장치 및 이의 대상 추적방법 | |
CN114663805A (zh) | 一种基于换流站阀厅消防机器人的火焰定位报警***及方法 | |
RU2807953C1 (ru) | Система сопровождения подвижных объектов на видео | |
Kadim et al. | Method to detect and track moving object in non-static PTZ camera | |
CN116343125B (zh) | 一种基于计算机视觉的集装箱箱底锁头检测方法 | |
CN114821795B (zh) | 一种基于ReID技术的人员跑动检测和预警方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
WITN | Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid |