TW202117587A - 人物追蹤系統及人物追蹤方法 - Google Patents

人物追蹤系統及人物追蹤方法 Download PDF

Info

Publication number
TW202117587A
TW202117587A TW108138532A TW108138532A TW202117587A TW 202117587 A TW202117587 A TW 202117587A TW 108138532 A TW108138532 A TW 108138532A TW 108138532 A TW108138532 A TW 108138532A TW 202117587 A TW202117587 A TW 202117587A
Authority
TW
Taiwan
Prior art keywords
person
human body
module
scene image
face recognition
Prior art date
Application number
TW108138532A
Other languages
English (en)
Other versions
TWI705383B (zh
Inventor
林柏伸
王士維
謝易耘
Original Assignee
緯創資通股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 緯創資通股份有限公司 filed Critical 緯創資通股份有限公司
Priority to TW108138532A priority Critical patent/TWI705383B/zh
Priority to CN201911174690.1A priority patent/CN112712544A/zh
Priority to US16/791,535 priority patent/US10970860B1/en
Application granted granted Critical
Publication of TWI705383B publication Critical patent/TWI705383B/zh
Publication of TW202117587A publication Critical patent/TW202117587A/zh

Links

Images

Classifications

    • 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
    • G06V40/172—Classification, e.g. identification
    • G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • 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
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • 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
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Alarm Systems (AREA)

Abstract

一種人物追蹤系統，包括：複數個攝影機，用以拍攝一場景之不同拍攝範圍的場景影像；第一運算伺服器，包括：人體追蹤模組、人物判斷模組、及資料統整模組；第二運算伺服器；以及第三運算伺服器。人體追蹤模組係用以對場景影像中之人體區域進行人體追蹤以產生人物資料。第三運算伺服器係依據人物資料以從各場景影像中取得人體區域方塊，藉以進行人臉辨識以取得使用者身分。人物判斷模組對不同的人體區域執行人物重識別以將屬於同一使用者的人體區域及其人物標籤聯結。資料統整模組係將聯結後的人體區域及其人物標籤以相應的使用者身分表示。

Description

人物追蹤系統及人物追蹤方法
本發明之實施例係有關於視訊監控之人物追蹤技術，特別是一種人物追蹤系統及人物追蹤方法。
具有人臉辨識技術之監視系統已被廣泛應用，且使用的場景也愈來愈多，例如在工廠或辦公室均可看到許多企業皆已設置監控攝影機並導入人臉辨識技術以進行安全管控。然而，在某些工廠的環境中，若光是利用人臉辨識進行安全管控，可能會遇到某些障礙，例如：使用者非正面面向攝影機之鏡頭、使用者與攝影機的距離不適當、燈光昏暗、或是使用者移動速度過快等等。在上述情況中，人臉辨識可能會有辨識率大幅降低的情況，也因此無法利用人臉辨識準確地進行人物追蹤。
因此，本發明之實施例係提出一種人物追蹤系統及人物追蹤方法，其可利用人臉辨識技術搭配身型辨識以在不同攝影機所拍攝之影像追蹤使用者之路徑，以解決上述問題。
本發明之實施例係提供一種人物追蹤系統，包括：複數個攝影機，用以拍攝一場景之不同拍攝範圍的場景影像；第一運算伺服器，包括：人體追蹤模組、人物判斷模組、及資料統整模組，其中人體追蹤模組係用以對各攝影機所拍攝之各場景影像偵測一人體區域，並分別對各攝影機所拍攝之各場景影像追蹤所偵測到的人體區域；第二運算伺服器；以及第三運算伺服器，包括人臉辨識模組。人體追蹤模組將在各場景影像所偵測到的人體區域相關的人物資料透過第二運算伺服器轉送至第三運算伺服器中的人臉辨識模組。人臉辨識模組係依據人物資料以從各場景影像中取得人體區域方塊，並對人體區域方塊進行人臉辨識。因應於人臉辨識模組從人體區域方塊辨識出相應的使用者身分，人臉辨識模組係更新人體區域相關的人物資料以加入使用者身分，並將更新後的人物資料透過第二運算伺服器以轉送至第一運算伺服器中之人物判斷模組。人物判斷模組係對不同攝影機中之人執行人物重識別處理以將不同攝影機之各場景影像中屬於同一使用者的人體區域及相應的人物標籤進行聯結資料統整模組係將聯結後的人體區域及相應的人物標籤以相應的該使用者身分表示。
在一些實施例中，人體追蹤模組係給予各場景影像的人體區域一個相應的人物標籤，並且將各攝影機所拍攝的各場景影像中所偵測出的人體區域方塊的座標、及寬跟高、各場景影像的編號、各攝影機之攝影機編號及人物標籤打包為人物資料，並同時將人物資料及各場景影像傳送至人物判斷模組。人臉辨識模組係透過該第二運算伺服器接收各場景影像及相應的該人物資料，並對該人物資料中所提供的該人體區域方塊之座標、寬跟高以從各場景影像找出相應的該人體區域方塊，且該人體區域方塊包括臉部及身體。
在一些實施例中，人臉辨識模組係對人體區域方塊進行人臉偵測以取得人臉區域，並對人臉區域與預先註冊的一人臉資料庫比對以進行人臉辨識。因應於人臉辨識模組無法透過人臉辨識以辨識出在場景影像中之使用者身份，則人臉辨識模組係將辨識失敗資訊附加於人物資料之中。
在一些實施例中，人體追蹤模組係指派一相應的人物標籤至各場景影像中所辨識出的不同人體區域，且人物判斷模組係依據人臉辨識模組於各場景影像中成功的人臉辨識結果將各場景影像中之相應的人物標籤替換為人臉辨識模組所辨識出的使用者身分。其中，使用者身分包含一特定使用者之姓名、代碼、或員工號碼。
在一些實施例中，資料統整模組係透過一網頁服務應用程式編程介面將包含各攝影機中之使用者身分之一使用者介面傳送至一網頁伺服器，使得網頁伺服器提供網頁服務以供瀏覽使用者介面。此外，資料統整模組係每至少經過一預定時間才傳送即時更新的使用者介面至網頁伺服器。
在一些實施例中，因應於資料統整模組判斷在一特定攝影機所擷取之場景影像中有一特定使用者已接近場景之一警戒標示區，資料統整模組係在使用者介面標示特定使用者之欄位資訊。
本發明之實施例更提供一種人物追蹤方法，用於人物追蹤系統。人物追蹤系統包括：複數個攝影機、第一運算伺服器、第二運算伺服器、及第三運算伺服器，第一運算伺服器包括一人體追蹤模組、人物判斷模組、及資料統整模組。方法包括下列步驟：利用該等攝影機拍攝一場景之不同拍攝範圍的場景影像；利用人體追蹤模組對各攝影機所拍攝之各場景影像偵測人體區域，並分別對各攝影機所拍攝之各場景影像追蹤所偵測到的人體區域；利用人體追蹤模組將在各場景影像所偵測到的人體區域相關的人物資料透過第二運算伺服器轉送至第三運算伺服器中的人臉辨識模組；利用人臉辨識模組依據該人物資料以從各場景影像中取得人體區域方塊，並對人體區域方塊進行人臉辨識；因應於人臉辨識模組從人體區域方塊辨識出相應的一使用者身分，利用人臉辨識模組更新人體區域相關的人物資料以加入使用者身分，並將更新後的人物資料透過第二運算伺服器以轉送至第一運算伺服器中之人物判斷模組；利用人物判斷模組對不同攝影機中之人執行人物重識別處理以將不同攝影機之各場景影像中屬於同一使用者的人體區域及相應的人物標籤進行聯結；以及利用資料統整模組將聯結後的人體區域及相應的人物標籤以相應的使用者身分表示。
以下說明係為完成發明的較佳實現方式，其目的在於描述本發明的基本精神，但並不用以限定本發明。實際的發明內容必須參考之後的權利要求範圍。
於權利要求中使用如"第一"、"第二"、"第三"等詞係用來修飾權利要求中的元件，並非用來表示之間具有優先權順序，先行關係，或者是一個元件先於另一個元件，或者是執行方法步驟時的時間先後順序，僅用來區別具有相同名字的元件。
第1圖係顯示依據本發明一實施例中之人物追蹤系統的示意圖。人物追蹤系統100包括複數台攝影機110-1～110-N及運算伺服器200、210、220、及網頁伺服器230。在一實施例中，各攝影機110例如可設置於一使用環境或場景中之不同位置，用以持續拍攝在上述使用環境中之不同拍攝範圍的場景影像。上述使用環境例如可為工廠、辦公室、住家、或其他類似的室內空間。其中各攝影機110-1～110-N的拍攝範圍可以有部分區域重疊或是互相均不重疊。此外，各攝影機110-1～110-N係具有相應的攝影機編號，例如分別為C1～CN。
運算伺服器200、210及220例如可用一或多台個人電腦、工作站、雲端伺服器等具有運算能力之運算裝置所實現，但本發明之實施例並不限於此。在一些實施例中，運算伺服器200、210及220例如可整合成至同一台運算伺服器。
運算伺服器200例如為一人物追蹤伺服器，用以依據各攝影機110-1～110-N所拍攝的場景影像進行人物追蹤(person tracking)，並將人物追蹤之結果(例如可為已辨識出的使用者及其身份或標示無法辨識此使用者等等)透過一網頁服務應用程式介面(web service API)以提供至一網頁伺服器以在特定網頁上即時呈現各攝影機所拍攝之影像及人物追蹤之結果。
如第1圖所示，運算伺服器200包括人體追蹤模組201、人物判斷模組202及資料統整模組203。人體追蹤模組201、人物判斷模組202及資料統整模組203例如可分別由不同的程式碼(program code)所實現，且可由運算伺服器200中之處理器(未繪示)所執行。
人體追蹤模組201例如可接收來自各攝影機110-1～110-N所拍攝的場景影像，並在各場景影像中偵測人體區域。在一些實施例，人體追蹤模組201例如可使用本發明領域中You Only Look Once(YOLO) v2或v3之演算法以對各場景影像進行人體偵測，但本發明之實施例並不限於此。在另一些實施例中，人體追蹤模組201例如可使用本發明領域所習知的其他物件辨識技術以對各場景影像進行人體偵測。
若偵測到在場景影像中有人體區域，則從場景影像擷取所偵測出的人體區域相應的影像方塊，例如可在場景影像中標示相應的方框，其可稱為人體區域影像或人體區域方塊，且人體追蹤模組201會記錄各個人體區域方塊的寬跟高、以及座標(例如以人體區域方塊之左上角的座標為準)。上述人體區域影像為包含臉部的人體區域影像(例如包含頭部及身體)，故上述人體區域影像之解析度係小於或等於各攝影機110所拍攝之場景影像。
對於每一台攝影機110-1～110-N傳送至人體追蹤模組201的連續影像序列而言，人體追蹤模組201可以利用在目前場景影像(例如在時間點t=n)已經偵測到的人體區域方塊進行人物位置的預測。對於相同的攝影機所擷取的場景影像序列，若在下一張場景影像(例如在時間點t=n+1)中在預測的相關位置也同樣有人物被人體追蹤模組201偵測到，人體追蹤模組201則會將目前場景影像及下一張場景影像中之人體區域方塊進行連結，並視為同一人。依據類似方式，人體追蹤模組201可將相同的攝影機所擷取的場景影像序列中之後續場景影像中相應的人體區域方塊進行連結以判斷出同一人物的移動軌跡。上述方式即可稱為人物追蹤。
在一些實施例中，人體追蹤模組201例如可使用OpenCV中之光流法(Optical Flow)以對各攝影機在連續時間內的影像序列進行人物追蹤，例如可利用影像序列中像素在時域(time domain)上的變化以及相鄰幀的影像之間的相關性來找到上一幀跟當前幀之間存在的相應關係，從而計算出相鄰幀之間物體的運動信息(motion information)。本發明領域中具有通常知識者當可了解如何利用光流法進行人物追蹤，故其細節於此不再詳述。
在一實施例中，以攝影機110-1之連續場景影像序列為例，當人體追蹤模組201在攝影機110-1之連續場景影像序列首次偵測到新人體區域時，人體追蹤模組201會自動給予上述人體區域一個暫定的人物標籤，例如P1。若在上述連續場景影像序列中有多個人體區域，則人體追蹤模組201同樣會給予所偵測到的各個人體區域一個相應的(暫時性)人物標籤。對於其他攝影機110-2～110-N之連續場景影像序列，人體追蹤模組201亦進行類似的處理。此外，人體追蹤模組201並將各攝影機110-1～110-N的各場景影像中所偵測出的人體區域方塊的座標、及寬跟高、場景影像的編號、攝影機編號、人物標籤等等一起打包(pack)為人物資料，並同時將人物資料及場景影像傳送至人物判斷模組202。此外，人體追蹤模組更將人物資料及場景影像同時傳送至運算伺服器220。
在一些實施例中，在場景中的攝影機110-1～110-N可能有部分攝影機會設置於較關鍵的區域，例如出入閘門口的警戒標示區。當人體追蹤模組201判斷在場景影像中有某一人物角色接近此警戒標示區時，會在上述人物資料中另外加入一位置資訊以表示此人物標籤已到達出入閘門口。人體追蹤模組201亦會將加入位置資訊的人物資料傳送至人物判斷模組202。
運算伺服器210係為一轉送伺服器，其用以接收來自運算伺服器200中之人體追蹤模組201之各場景影像及相應的人物資料，並將各場景影像及相應的人物資料轉送至運算伺服器220以進行人臉辨識。此外，運算伺服器210更可從運算伺服器220接收各場景影像的人臉辨識結果(例如同樣具有場景影像編號、攝影機編號等等)，並將人臉辨識結果轉送至運算伺服器200之人物判斷模組202。
運算伺服器220例如為一人臉辨識伺服器，其包括一人臉辨識模組221。人臉辨識模組221係透過運算伺服器210接收各場景影像及相應的人物資料，並對人物資料中所提供的人體區域方塊之座標、寬跟高以從各場景影像找出相應的人體區域方塊(例如包含臉部及身體)。此外，人臉辨識模組221例如可利用本發明領域中由谷歌(Google)所提出之Facenet技術以對人體區域方塊進行人臉辨識。本發明領域中具有通常知識者當可了解如何利用Facenet技術進行人臉辨識之流程，故其細節於此不再詳述。
舉例來說，人臉辨識之流程可分為人臉偵測及身分辨識。若人臉辨識模組221從場景影像中之人體區域方塊所偵測出的人臉區域經過人臉辨識(例如可與預先註冊的人臉資料庫進行比對)後可辨識出在場景影像中之使用者身份，則人臉辨識模組221可將辨識出的使用者身份附加於人物資料之中。若人臉辨識模組221無法透過人臉辨識以辨識出在場景影像中之使用者身份，則人臉辨識模組221可將辨識失敗資訊附加於人物資料之中。人臉辨識模組221係接著將更新過後的人物資料透過運算伺服器210傳送至運算伺服器200的人物判斷模組202。
人物判斷模組202係用以統整來自人體追蹤模組201及人臉辨識模組221之資料。舉例來說，若人臉辨識模組221可由場景影像中辨識出使用者身份，則在人物判斷模組202透過運算伺服器210由人臉辨識模組221所接收到的人物資料即包括辨識出的使用者身分。因此，人物判斷模組202可將來自人體追蹤模組201的場景影像所相應的人物資料中之暫時的人物標籤(例如為P1)替換為人臉辨識模組221所辨識出的使用者身分(例如為U2)。
詳細而言，對於人體追蹤模組201來說，其可從各場景影像辨識出不同的人體區域，並且對各人體區域指派一個相應的暫時性的人物標籤。但是人體追蹤模組201並無法進一步確認在場景影像中之各人體區域的使用者身分，意即各個人物標籤為未知身份，故需要人臉辨識模組221對各場景影像中之人體區域方塊進行人臉辨識以確定使用者身分。若人臉辨識模組221可由場景影像中辨識出使用者身份，則人物判斷模組202可將來自人體追蹤模組201的場景影像所相應的人物資料中之暫時的人物標籤替換為人臉辨識模組221所辨識出的使用者身分，意即已在人臉資料庫中已經註冊過的相關人員。
在一實施例中，人物判斷模組202更可利用人物重識別(person re-identification，ReID)技術去同步比對兩台不同攝影機所拍攝的之兩張場景影像中的人物以判斷是否為同一人。若判斷結果為同一人，則可再比對場景影像的時間戳(timestamp)即可判斷出此人物出現在兩台不同攝影機之拍攝範圍內的先後順序。
「人物重識別」從字面意思理解就是對人物進行重新識別，例如可針對不同的、沒有視野重疊覆蓋的(non-overlapping)攝影機拍攝的行人影像建立對應關係的處理過程。當攝影機的拍攝範圍之間並未重疊時，由於沒有了連續資訊，檢索難度也隨之增大非常多。因此，人物重識別強調的是在跨攝影機的視訊中對特定人物進行檢索(search)。上述人物重識別技術可利用本發明領域中之習知人物重識別技術所實現，故其細節於此不再贅述。
詳細而言，人物判斷模組202的人物重識別功能可彌補人體追蹤技術的漏洞。舉例來說，若對於某一台攝影機所擷取的場景影像序列中有出現一特定人物，但是因為某些因素(例如人物動作過大或過快)，人體追蹤技術有可能無法準確地將在場景影像序列中出現的各人物定位為同一個人物，例如可稱為追蹤中斷情況。因此，人物判斷模組202的人物重識別功能不僅可針對跨攝影機所拍攝的場景影像以辨識出同一人物，亦可針對同一攝影機中之有追蹤中斷情況的先後場景影像以辨識出同一人物。
在一實施例中，人物判斷模組202更包括自動清理暫存人物的功能。舉例來說，因為人物判斷模組202需要統計各攝影機當下已存在的所有人物資訊，且各場景影像中亦可能人物數量眾多，故隨著時間變長，人物判斷模組202需要儲存的人物資訊之數量也會變得相當龐大。因此，在特定人物離開一特定攝影機的拍攝範圍經過一預定時間後，人物判斷模組202會將此特定人物在此特定攝影機相關的人物資料清除掉，然而，人物判斷模組202並無法事先得知任何一個人物會在何時離開任一台攝影機的拍攝範圍。詳細而言，為了避免無止盡地增加新的人物標籤，人物判斷模組202的自動清理功能會等到任一人物在所有的攝影機均未出現超過一預定時間後，才會把所有跟此人物相關的標籤及人物資訊清除，藉以節省儲存空間。
資料統整模組203係用以從人物判斷模組202取得人物資料，例如包括已辨識出的使用者身分或是無法辨識的人物等等，且資料統整模組203更整合在各攝影機所擷取之場景影像中出現的人物資料。舉例來說，因為人物判斷模組202所產生的人物資料是以各人物標籤為主，故資料統整模組203需將各個人物標籤轉換為以各攝影機為主，例如將在各攝影機的當前拍攝範圍中各人物標籤進行排列，並計算相應的人數。若有已知使用者身分的人物，資料統整模組203係將此人物以其姓名、代碼、或員工號碼替代。若是各個攝影機之目前拍攝範圍的場景影像有無法辨識使用者身分的人物，則資料統整模組203會加入各個攝影機110-1～110-N之目前拍攝範圍中的陌生人數量之中。
資料統整模組203例如可透過一網頁服務應用程式編程介面(web service API)將使用者介面(例如可用表格呈現)傳送至網頁伺服器230，使得網頁伺服器230可提供網頁服務，且使用者可透過瀏覽器以即時觀看各個攝影機之拍攝範圍中已辨識出使用者身份的一或多個人物以及陌生人數量。
第2圖為依據本發明一實施例中之人物追蹤系統之設置環境的示意圖。第3圖為依據本發明一實施例中之網頁伺服器所呈現的網頁之使用者介面的示意圖。
在一實施例中，為了便於說明，在第2圖中係以4台攝影機110-1～110-4為例，且各個攝影機110-1～ 110-4分別具有相應的攝影機編號C1～C4。攝影機110-1～110-4例如可設置於一工廠廠區，且具有攝影機編號C1之攝影機110-1的拍攝範圍係對準辦公區250的主大門MG，具有攝影機編號C2及C3之攝影機110-2及110-3的拍攝範圍係分別對準不同的走廊，具有攝影機編號C4之攝影機110-4的拍攝範圍係對準辦公區250的出入閘門G1及G2。若有使用者欲從主大門MG進入內部辦公室，則此使用者例如可沿著箭頭261～264的方向前進才能到達出入閘門G1及G2。
若使用者沿著箭頭261～264的方向前進，則使用者會依序出現在攝影機110-1～110-4的拍攝範圍內。因此，運算伺服器200、210及220會依序處理攝影機110-1～110-4所拍攝之場景影像以進行人體追蹤、人臉辨識、人物判斷、及資料統整。在一些實施例中，資料統整模組203可進一步規劃已辨識出使用者身分在使用者介面的表格呈現方式。舉例來說，各個攝影機110-1～110-4相應的攝影機編號C1～C4係具有辨識出的使用者身分的欄位，例如第3圖中的使用者介面300的欄位310、312、314、316所示。
若每個攝影機110-1～110-N所擷取的場景影像中存在相同使用者身份的人物，例如員工編號10410301，且攝影機編號C1則另外存在其他使用者身分的人物，例如員工編號10410350，且攝影機編號C1更另外存在無法辨識使用者身分的人物，其可視為陌生人。
接著，資料統整模組203係將員工編號10410301置於欄位310～316的同一列，並且將各攝影機編號C1～C4所偵測到的陌生人數量分別顯示於欄位310～316的下方欄位，如第3圖所示。此外，資料統整模組203在欄位310～316的不同列可隨機配置不同的顏色以區分各個不同人物。此外，當有一特定人物已離開一特定攝影機超過一段時間，則資料統整模組203可在該特定攝影機相應的欄位之該特定人物的列顯示一特定顏色(例如灰色)。因此，從使用者介面300中之不同欄位的顏色變化即可看出各人物的行走路。此外，因為攝影機110-4的拍攝範圍為出入閘門G1及G2，若有特定人物已出現在攝影機110-4所拍攝的場景影像中，則資料統整模組203會將最後拍攝到此特定人物的場景影像顯示於攝影機編號C4之欄位中。此外，若有特定人物已接近出入閘門口的警戒標示區，則資料統整模組203會進一步將此特定人物之欄位資訊後面標示已達到警戒標示區，例如為出入閘門G1。
承上述實施例，資料統整模組203例如可透過一網頁服務應用程式介面(web service API)將使用者介面之表格傳送至網頁伺服器230，使得網頁伺服器230可提供網頁服務，且使用者可透過瀏覽器以即時觀看各個攝影機之拍攝範圍中已辨識出使用者身份的一或多個人物以及陌生人數量。
在一些實施例中，資料統整模組203係包含一時間計數功態。舉例來說，為了防止網頁伺服器230更新速度太快而導致資訊阻塞，所以資料統整模組203會至少經過一預定時間(例如0.5秒)後才會傳送即時更新的使用者介面之欄位至網頁伺服器。
第4圖為依據本發明一實施例中之人物追蹤方法的流程圖。人物追蹤方法的流程400包括步驟S410～S480。
在步驟S410，利用各攝影機以拍攝一場景之不同拍攝範圍的場景影像。其中，各攝影機110-1～110-N的拍攝範圍可以有部分區域重疊或是互相均不重疊。
在步驟S420，利用一第一運算伺服器之人體追蹤模組對各攝影機所拍攝之各場景影像偵測一人體區域，並分別對各攝影機所拍攝之各場景影像追蹤所偵測到的該人體區域。舉例來說，人體追蹤模組會給予各場景影像的人體區域一個相應的人物標籤，並且可將各攝影機110-1～110-N的各場景影像中所偵測出的人體區域方塊的座標、及寬跟高、場景影像的編號、攝影機編號、人物標籤等等一起打包(pack)為人物資料，並同時將人物資料及場景影像傳送至人物判斷模組202。
在步驟S430，利用一第一運算伺服器之人體追蹤模組將在各場景影像所偵測到的該人體區域相關的人物資料透過一第二運算伺服器轉送至一第三運算伺服器中的人臉辨識模組。舉例來說，人臉辨識模組221係透過運算伺服器210接收各場景影像及相應的人物資料，並對人物資料中所提供的人體區域方塊之座標、寬跟高以從各場景影像找出相應的人體區域方塊(例如包含臉部及身體)。
在步驟S440，利用人臉辨識模組221以依據人物資料從各場景影像中取得人體區域方塊，並對該人體區域方塊進行人臉辨識。其中上述人臉辨識包括人臉偵測及身分辨識。舉例來說，若人臉辨識模組221從場景影像中之人體區域方塊所偵測出的人臉區域經過人臉辨識(例如可與預先註冊的人臉資料庫進行比對)後可辨識出在場景影像中之使用者身份，則人臉辨識模組221可將辨識出的使用者身份附加於人物資料之中。若人臉辨識模組221無法透過人臉辨識以辨識出在場景影像中之使用者身份，則人臉辨識模組221可將辨識失敗資訊附加於人物資料之中。
在步驟S450，因應於人臉辨識模組221從該人體區域方塊辨識出相應的一使用者身分，人臉辨識模組221係更新該人體區域相關的該人物資料以加入該使用者身分，並將更新後的該人物資料透過第二運算伺服器以轉送至第一運算伺服器中之人物判斷模組。
在步驟S460，利用人物判斷模組對不同攝影機中之人體區域執行人物重識別處理以將不同攝影機之各場景影像中屬於同一使用者的人體區域及相應的人物標籤進行聯結。舉例來說，對於人體追蹤模組201，其可從各場景影像辨識出不同的人體區域，並且對各人體區域指派一個相應的暫時性的人物標籤。但是人體追蹤模組201並無法進一步確認在場景影像中之各人體區域的使用者身分，意即各個人物標籤為未知身份，故需要人臉辨識模組221對各場景影像中之人體區域方塊進行人臉辨識以確定使用者身分。若人臉辨識模組221可由場景影像中辨識出使用者身份，則人物判斷模組202可將來自人體追蹤模組201的場景影像所相應的人物資料中之暫時的人物標籤替換為人臉辨識模組221所辨識出的使用者身分，意即已在人臉資料庫中已經註冊過的相關人員。
在步驟S470，利用第一運算伺服器中之資料統整模組將聯結後的人體區域及相應的人物標籤以相應的使用者身分表示。其中，使用者身分可包含姓名、代碼、或員工號碼。若是各個攝影機之目前拍攝範圍的場景影像有無法辨識使用者身分的人物，則資料統整模組203會加入各個攝影機110-1～110-N之目前拍攝範圍中的陌生人數量之中。此外，資料統整模組203例如可透過一網頁服務應用程式介面將使用者介面之表格傳送至網頁伺服器230，使得網頁伺服器230可提供網頁服務，且使用者可透過瀏覽器以即時觀看各個攝影機之拍攝範圍中已辨識出使用者身份的一或多個人物以及陌生人數量。
在步驟S480，利用資料統整模組透過一網頁服務應用程式編程介面將包含各攝影機中之使用者身分之使用者介面傳送至網頁伺服器，使得網頁伺服器提供網頁服務以供瀏覽使用者介面。其中，網頁服務所提供的使用者介面可參考第2～3圖之實施例。
綜上所述，本發明之實施例係提供一種人物追蹤系統及人物追蹤方法，其可利用人體追蹤技術並搭配人臉辨識以增強判斷使用者身分的準確度，並且可利用人物重識別技術以將不同攝影機中包含已辨識出該使用者身分的該人物資料進行聯結。因此，相較於單純的人臉辨識系統，本發明之實施例之人物追蹤系統及人物追蹤方法可大幅增加辨識率，並可克服原本人臉辨識可能遇到的突發狀況而產生無法辨識使用者身分的問題。
本發明之實施例揭露如上，然其並非用以限定本發明的範圍，任何所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可做些許的更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100:人物追蹤系統 110-1－110-N:攝影機 200、210、220:運算伺服器 230:網頁伺服器 201:人體追蹤模組 202:人物判斷模組 203:資料統整模組 221:人臉辨識模組 261－264:箭頭 MG:主大門 G1、G2:出入閘門 C1～C4:攝影機編號 300:使用者介面 310－316:欄位 400:流程 S410－S480:步驟
第1圖為依據本發明一實施例中之人物追蹤系統的示意圖。 第2圖為依據本發明一實施例中之人物追蹤系統之設置環境的示意圖。 第3圖為依據本發明一實施例中之網頁伺服器所呈現的網頁之使用者介面的示意圖。 第4圖為依據本發明一實施例中之人物追蹤方法的流程圖。
100:人物追蹤系統
110-1-110-N:攝影機
200、210、220:運算伺服器
230:網頁伺服器
201:人體追蹤模組
202:人物判斷模組
203:資料統整模組
221:人臉辨識模組

Claims (20)

  1. 一種人物追蹤系統，包括： 複數個攝影機，用以拍攝一場景之不同拍攝範圍的場景影像； 一第一運算伺服器，包括：一人體追蹤模組、一人物判斷模組、及一資料統整模組，其中該人體追蹤模組係用以對各攝影機所拍攝之各場景影像偵測一人體區域，並分別對各攝影機所拍攝之各場景影像追蹤所偵測到的該人體區域； 一第二運算伺服器；以及 一第三運算伺服器，包括一人臉辨識模組； 其中，該人體追蹤模組將在各場景影像所偵測到的該人體區域相關的人物資料透過該第二運算伺服器轉送至該第三運算伺服器中的該人臉辨識模組； 其中，該人臉辨識模組係依據該人物資料以從各場景影像中取得一人體區域方塊，並對該人體區域方塊進行人臉辨識； 其中，因應於該人臉辨識模組從該人體區域方塊辨識出相應的一使用者身分，該人臉辨識模組係更新該人體區域相關的該人物資料以加入該使用者身分，並將更新後的該人物資料透過該第二運算伺服器以轉送至該第一運算伺服器中之該人物判斷模組； 其中，該人物判斷模組係對不同攝影機中之人執行人物重識別處理以將不同攝影機之各場景影像中屬於同一使用者的人體區域及相應的人物標籤進行聯結； 其中，該資料統整模組係將聯結後的人體區域及相應的人物標籤以相應的該使用者身分表示。
  2. 如申請專利範圍第1項所述之人物追蹤系統，其中，該人體追蹤模組係給予各場景影像的人體區域一個相應的人物標籤，並且將各攝影機所拍攝的各場景影像中所偵測出的該人體區域方塊的座標、及寬跟高、各場景影像的編號、各攝影機之攝影機編號及該人物標籤打包為人物資料，並同時將該人物資料及各場景影像傳送至該人物判斷模組。
  3. 如申請專利範圍第2項所述之人物追蹤系統，其中，該人臉辨識模組係透過該第二運算伺服器接收各場景影像及相應的該人物資料，並對該人物資料中所提供的該人體區域方塊之座標、寬跟高以從各場景影像找出相應的該人體區域方塊，且該人體區域方塊包括臉部及身體。
  4. 如申請專利範圍第3項所述之人物追蹤系統，其中，該人臉辨識模組係對該人體區域方塊進行人臉偵測以取得人臉區域，並對該人臉區域與預先註冊的一人臉資料庫比對以進行人臉辨識。
  5. 如申請專利範圍第4項所述之人物追蹤系統，其中，因應於該人臉辨識模組無法透過人臉辨識以辨識出在該場景影像中之該使用者身份，則該人臉辨識模組係將辨識失敗資訊附加於該人物資料之中。
  6. 如申請專利範圍第5項所述之人物追蹤系統，其中，該人體追蹤模組係指派一相應的人物標籤至各場景影像中所辨識出的不同人體區域，且該人物判斷模組係依據該人臉辨識模組於各場景影像中成功的人臉辨識結果將各場景影像中之相應的該人物標籤替換為該人臉辨識模組所辨識出的該使用者身分。
  7. 如申請專利範圍第6項所述之人物追蹤系統，其中該使用者身分包含一特定使用者之姓名、代碼、或員工號碼。
  8. 如申請專利範圍第6項所述之人物追蹤系統，其中，該資料統整模組係透過一網頁服務應用程式編程介面將包含各攝影機中之該使用者身分之一使用者介面傳送至一網頁伺服器，使得該網頁伺服器提供網頁服務以供瀏覽該使用者介面。
  9. 如申請專利範圍第8項所述之人物追蹤系統，其中該資料統整模組係每至少經過一預定時間才傳送即時更新的該使用者介面至該網頁伺服器。
  10. 如申請專利範圍第1項所述之人物追蹤系統，其中，因應於該資料統整模組判斷在一特定攝影機所擷取之該場景影像中有一特定使用者已接近該場景之一警戒標示區，該資料統整模組係在該使用者介面標示該特定使用者之欄位資訊。
  11. 一種人物追蹤方法，用於一人物追蹤系統，其中該人物追蹤系統包括：複數個攝影機、一第一運算伺服器、一第二運算伺服器、及一第三運算伺服器，且該第一運算伺服器包括一人體追蹤模組、一人物判斷模組、及一資料統整模組，該方法包括： 利用該等攝影機拍攝一場景之不同拍攝範圍的場景影像； 利用該人體追蹤模組對各攝影機所拍攝之各場景影像偵測一人體區域，並分別對各攝影機所拍攝之各場景影像追蹤所偵測到的該人體區域； 利用該人體追蹤模組將在各場景影像所偵測到的該人體區域相關的人物資料透過該第二運算伺服器轉送至該第三運算伺服器中的該人臉辨識模組； 利用該人臉辨識模組依據該人物資料以從各場景影像中取得一人體區域方塊，並對該人體區域方塊進行人臉辨識； 因應於該人臉辨識模組從該人體區域方塊辨識出相應的一使用者身分，利用該人臉辨識模組更新該人體區域相關的該人物資料以加入該使用者身分，並將更新後的該人物資料透過該第二運算伺服器以轉送至該第一運算伺服器中之該人物判斷模組； 利用該人物判斷模組對不同攝影機中之人執行人物重識別處理以將不同攝影機之各場景影像中屬於同一使用者的人體區域及相應的人物標籤進行聯結；以及 利用該資料統整模組將聯結後的人體區域及相應的人物標籤以相應的該使用者身分表示。
  12. 如申請專利範圍第11項所述之人物追蹤方法，更包括： 利用該人體追蹤模組給予各場景影像的人體區域一個相應的人物標籤，並且將各攝影機所拍攝的各場景影像中所偵測出的該人體區域方塊的座標、及寬跟高、各場景影像的編號、各攝影機之攝影機編號及該人物標籤打包為人物資料，並同時將該人物資料及各場景影像傳送至該人物判斷模組。
  13. 如申請專利範圍第12項所述之人物追蹤方法，其中利用該人臉辨識模組依據該人物資料以從各場景影像中取得一人體區域方塊，並對該人體區域方塊進行人臉辨識之步驟包括： 利用該人臉辨識模組透過該第二運算伺服器接收各場景影像及相應的該人物資料，並對該人物資料中所提供的該人體區域方塊之座標、寬跟高以從各場景影像找出相應的該人體區域方塊，其中該人體區域方塊包括臉部及身體。
  14. 如申請專利範圍第13項所述之人物追蹤方法，其中利用該人臉辨識模組依據該人物資料以從各場景影像中取得一人體區域方塊，並對該人體區域方塊進行人臉辨識之步驟更包括： 利用該人臉辨識模組對該人體區域方塊進行人臉偵測以取得人臉區域，並對該人臉區域與預先註冊的一人臉資料庫比對以進行人臉辨識。
  15. 如申請專利範圍第14項所述之人物追蹤方法，更包括： 因應於該人臉辨識模組無法透過人臉辨識以辨識出在該場景影像中之該使用者身份，利用該人臉辨識模組將辨識失敗資訊附加於該人物資料之中。
  16. 如申請專利範圍第15項所述之人物追蹤方法，更包括： 利用該人體追蹤模組係指派一相應的人物標籤至各場景影像中所辨識出的不同人體區域；以及 利用該人物判斷模組依據該人臉辨識模組於各場景影像中成功的人臉辨識結果將各場景影像中之相應的該人物標籤替換為該人臉辨識模組所辨識出的該使用者身分。
  17. 如申請專利範圍第16項所述之人物追蹤方法，其中該使用者身分包含一特定使用者之姓名、代碼、或員工號碼。
  18. 如申請專利範圍第16項所述之人物追蹤方法，更包括： 利用該資料統整模組透過一網頁服務應用程式編程介面將包含各攝影機中之該使用者身分之一使用者介面傳送至一網頁伺服器，使得該網頁伺服器提供網頁服務以供瀏覽該使用者介面。
  19. 如申請專利範圍第18項所述之人物追蹤方法，更包括： 利用該資料統整模組每至少經過一預定時間才傳送即時更新的該使用者介面至該網頁伺服器。
  20. 如申請專利範圍第11項所述之人物追蹤方法，更包括： 因應於該資料統整模組判斷在一特定攝影機所擷取之該場景影像中有一特定使用者已接近該場景之一警戒標示區，利用該資料統整模組在該使用者介面標示該特定使用者之欄位資訊。
TW108138532A 2019-10-25 2019-10-25 人物追蹤系統及人物追蹤方法 TWI705383B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW108138532A TWI705383B (zh) 2019-10-25 2019-10-25 人物追蹤系統及人物追蹤方法
CN201911174690.1A CN112712544A (zh) 2019-10-25 2019-11-26 人物追踪***及人物追踪方法
US16/791,535 US10970860B1 (en) 2019-10-25 2020-02-14 Character-tracking system and character tracking method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108138532A TWI705383B (zh) 2019-10-25 2019-10-25 人物追蹤系統及人物追蹤方法

Publications (2)

Publication Number Publication Date
TWI705383B TWI705383B (zh) 2020-09-21
TW202117587A true TW202117587A (zh) 2021-05-01

Family

ID=74091507

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108138532A TWI705383B (zh) 2019-10-25 2019-10-25 人物追蹤系統及人物追蹤方法

Country Status (3)

Country Link
US (1) US10970860B1 (zh)
CN (1) CN112712544A (zh)
TW (1) TWI705383B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI815351B (zh) * 2022-01-25 2023-09-11 威盛電子股份有限公司 目標追蹤方法及目標追蹤裝置

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI798601B (zh) * 2020-11-27 2023-04-11 晶睿通訊股份有限公司 地面起伏偵測方法及其監控攝影機
CN112906483B (zh) * 2021-01-25 2024-01-23 ***股份有限公司 一种目标重识别方法、装置及计算机可读存储介质
TWI826809B (zh) * 2021-07-28 2023-12-21 宏正自動科技股份有限公司 多電腦切換器
TWI796219B (zh) * 2022-05-10 2023-03-11 中興保全科技股份有限公司 入侵警報系統

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7711146B2 (en) * 2006-03-09 2010-05-04 General Electric Company Method and system for performing image re-identification
CN101639891B (zh) * 2008-07-28 2012-05-02 汉王科技股份有限公司 一种双摄像头人脸识别装置和方法
MX2012009579A (es) * 2010-02-19 2012-10-01 Toshiba Kk Sistema de rastreo de objetos en movimiento y metodo de rastreo de objetos en movimiento.
JP5642410B2 (ja) * 2010-03-30 2014-12-17 パナソニック株式会社 顔認識装置及び顔認識方法
JP5950296B2 (ja) * 2012-01-27 2016-07-13 国立研究開発法人産業技術総合研究所 人物追跡属性推定装置、人物追跡属性推定方法、プログラム
KR101654698B1 (ko) * 2014-02-20 2016-09-06 삼성중공업 주식회사 해양 구조물 구역 추적 시스템 및 그 방법
CN106296720B (zh) * 2015-05-12 2019-01-25 株式会社理光 基于双目相机的人体朝向识别方法和***
JP6909575B2 (ja) * 2016-11-30 2021-07-28 マクセル株式会社 監視情報収集システム
US10467509B2 (en) * 2017-02-14 2019-11-05 Microsoft Technology Licensing, Llc Computationally-efficient human-identifying smart assistant computer
CN106991395B (zh) * 2017-03-31 2020-05-26 联想(北京)有限公司 信息处理方法、装置及电子设备
US10108850B1 (en) * 2017-04-24 2018-10-23 Intel Corporation Recognition, reidentification and security enhancements using autonomous machines
WO2018215829A1 (en) * 2017-05-22 2018-11-29 Creavision Technologies Ltd. Systems and methods for user detection, identification, and localization with in a defined space
CN107644204B (zh) * 2017-09-12 2020-11-10 南京凌深信息科技有限公司 一种用于安防***的人体识别与跟踪方法
CN107945443A (zh) * 2017-11-28 2018-04-20 佛山正能光电有限公司 一种脸部辨识安控***
TWI674002B (zh) * 2018-06-11 2019-10-01 視銳光科技股份有限公司 安全監控系統的運作方式
CN109815818B (zh) * 2018-12-25 2020-12-08 深圳市天彦通信股份有限公司 目标人物追踪方法、***及相关装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI815351B (zh) * 2022-01-25 2023-09-11 威盛電子股份有限公司 目標追蹤方法及目標追蹤裝置

Also Published As

Publication number Publication date
TWI705383B (zh) 2020-09-21
CN112712544A (zh) 2021-04-27
US10970860B1 (en) 2021-04-06
US20210125351A1 (en) 2021-04-29

Similar Documents

Publication Publication Date Title
TWI705383B (zh) 人物追蹤系統及人物追蹤方法
Yun et al. Vision‐based garbage dumping action detection for real‐world surveillance platform
Snidaro et al. Video security for ambient intelligence
Remagnino et al. Distributed intelligence for multi-camera visual surveillance
Hampapur et al. Smart video surveillance: exploring the concept of multiscale spatiotemporal tracking
US20090092283A1 (en) Surveillance and monitoring system
CN110348348B (zh) 一种参建人员进场身份快速识别方法及预警***
KR102376479B1 (ko) 인공지능 기반 객체 자동 인식을 위한 cctv 제어 방법, 장치 및 시스템
WO2018180588A1 (ja) 顔画像照合システムおよび顔画像検索システム
EP1563686A1 (en) Method and system for tracking and behavioral monitoring of multiple objects moving through multiple fields-of-view
Lin et al. Collaborative pedestrian tracking and data fusion with multiple cameras
US11749080B2 (en) Group identification and monitoring
Cho et al. Real-time people counting system for customer movement analysis
EP4089574A1 (en) A method and system for gathering information of an object moving in an area of interest
Sun et al. Indoor occupancy measurement by the fusion of motion detection and static estimation
Morellas et al. DETER: Detection of events for threat evaluation and recognition
CN111242077A (zh) 一种人物追踪方法、***及服务器
Cheng et al. Part-aware trajectories association across non-overlapping uncalibrated cameras
Wang et al. Distributed wide-area multi-object tracking with non-overlapping camera views
KR20170095599A (ko) 동영상 검색 시스템 및 그 방법
CN112818854A (zh) 一种应用于校园安防的全天候视频寻人方法
CN112330742A (zh) 公共区域重点人员活动路线记录方法及装置
Yang et al. Robust people detection and tracking in a multi-camera indoor visual surveillance system
Salisbury et al. Crowdar: augmenting live video with a real-time crowd
Rahangdale et al. Event detection using background subtraction for surveillance systems