DE60131840T2 - System zum automatischen testen von überwachungskameras - Google Patents

System zum automatischen testen von überwachungskameras Download PDF

Info

Publication number
DE60131840T2
DE60131840T2 DE60131840T DE60131840T DE60131840T2 DE 60131840 T2 DE60131840 T2 DE 60131840T2 DE 60131840 T DE60131840 T DE 60131840T DE 60131840 T DE60131840 T DE 60131840T DE 60131840 T2 DE60131840 T2 DE 60131840T2
Authority
DE
Germany
Prior art keywords
video
image data
video image
pixels
terrain map
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.)
Expired - Lifetime
Application number
DE60131840T
Other languages
English (en)
Other versions
DE60131840D1 (de
Inventor
Maurice Dittmer GAROUTTE
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cernium Corp
Original Assignee
Cernium Corp
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 Cernium Corp filed Critical Cernium Corp
Application granted granted Critical
Publication of DE60131840D1 publication Critical patent/DE60131840D1/de
Publication of DE60131840T2 publication Critical patent/DE60131840T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

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
    • 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
    • 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

Description

  • Hintergrund der Erfindung
  • Gebiet der Erfindung
  • Die vorliegende Erfindung betrifft Sicherheitssysteme und insbesondere ein vorteilhaftes neues System, unter Verwendung von Verfahren und Vorrichtungen zum automatischen Testen von Überwachungskameras, wie beispielsweise in Überwachungssystemen mit Fernsehüberwachungsanlagen im großen Stil (CCTV, Closed Circuit Television).
  • Stand der Technik
  • Überwachungssysteme, wie sie beispielsweise in Parkgaragen Verwendung finden, sehen einen oder der wenigen Bereiche vor, von denen ein Eigentümer das Gefühl haben könnte, dass es notwendig ist, installierte Überwachungstechnologie in ihrer gesamten Kapazität einzusetzen. Wenn ein Überwachungssystem installiert ist, kann implizit die Einsicht für den Bedarf für eine zuverlässige Abhängigkeit von dem System und dessen Funktionieren in seiner gesamten Kapazität vorliegen. Sein Vorhandensein gibt der Öffentlichkeit das Gefühl, dass sie unter dem Schutz des Systems steht. Wenn es einen Anlass eines Verlustes oder einer Beschädigung gibt, welche verhindert hätte werden können, hätte das System richtig und in seiner gesamten Kapazität funktioniert, mag der Eigentümer mit einem Anspruch konfrontiert werden, welcher schwer abzuweisen ist.
  • Obwohl Parkgaragen einen wertvollen Nutzen und höchsterwünschten oder notwendigen Service für die Öffentlichkeit bieten, durch Anbieten von Parkmöglichkeiten für Fahrzeuge von Personen aus der Öffentlichkeit, können sie nichts desto weniger ein Risiko für Personen der besuchenden Öffentlichkeit darstellen. Eigentumsdelikte, welche in Parkgaragen begangen wurden, schließen Autovandalismus und Autodiebstahl ein. Verbrechen gegen Personen, welche in Parkgaragen begangen wurden, schließen Handtaschenraub, brutalen Raub und gelegentlich Körperverletzung und Entführungen ein. Kostenpflichtige Garagen mit vielen Etagen, mit Mautstellen können aufgrund einer Zugangskontrolle und der Notwendigkeit eine Mautstelle beim Verlassen zu passieren, eine Abschreckung gegen Verbrechen darstellen. Jedoch sogar derart ausgerüstete Garagen können in zunehmender Weise Gegenstand des Risikos von Autodiebstählen und Autoeinbrüchen sein, wenn diese Garagen in der Nähe von Fluchtwegen, wie freien Auffahrtsrampen oder größeren Durchfahrten liegen.
  • CCTV-Systeme können ein wirksames Überwachungswerkzeug sein, wenn sie als Teil von Überwachungssystemen in solchen Gebäuden richtig installiert und betrieben werden, in welchen die Betreiber von Parkgaragen die Verpflichtung haben, Verbrechen oder andere Verluste oder Beschädigungen, welche ansonsten auftreten können, zu vermindern. Insbesondere Parkgaragen sind gute Kandidaten für eine CCTV-Überwachung, da Personen eher allein und verletzbar sind, als in Bereichen mit höherem Verkehrsaufkommen. Um ein CCTV-System mit voller Kapazität zu betreiben, sollten Kameras des Systems zu jeder Zeit von Überwachungspersonal überwacht werden.
  • Ein CCTV-System mit vielfachen Videokameras in einer Parkgarage hat üblicherweise kein Hilfssystem, um intelligente Entscheidungen zu treffen, welche Kamera auf Display-Monitoren beobachtet werden soll. Es wird jedoch gemäß der vorliegenden Offenbarung vorgeschlagen, dass, anstatt Entscheidungen darüber zu treffen, welche Kamera beobachtet werden sollte und welche ignoriert werden sollte, dies statt dessen auf der Basis des Inhalts des Videos zu tun, und elektronische Hilfseinrichtungen einzusetzen, um intelligente Entscheidungen darüber zu fällen, welche Ka mera auf einem oder mehreren ausgewählten Display-Monitoren betrachtet werden sollte. Darüberhinaus würde das intelligente System mit existierenden CCTV-Systemen kompatibel sein.
  • Obwohl hier auf Garagen Bezug genommen wird, sind Garagen nur ein Beispiel für Gebäude, bei, in oder in Verbindung mit welchen solche Gebäudeüberwachungssysteme eingesetzt werden, um Verbrechen, Verluste, Verletzungen oder andere unerwünschte Vorkommnisse zu vermeiden. Nur ein Beispiel eines unerwünschten Vorkommnisses (welches auch als ein Vorfall bezeichnet werden kann) ist ein unbefugtes Eintreten, und Beispiele von unbefugtem Eintreten werden durch Fahrzeug- und Fußgängerbewegung in einer unrichtigen Richtung oder durch ein unerlaubte/s/n Portal, Raum, Weg oder Straße typisiert. Alle diese Gebäude, ob kommerziell, der Regierung zugehörig, von Institutionen oder privat, bei denen ein Überwachungssystem oder Überwachungsvorrichtungen oder Einrichtungen gemäß der Erfindung eingesetzt werden können, werden hier als gesicherte Gebäude angesprochen.
  • Überwachungssysteme in kleinem Umfang
  • Ein kleines CCTV-System kann beispielsweise einige Kameras und einen Anzeigemonitor für jede Kamera haben. Eine einzige Überwachungsperson kann einen ständigen Blick auf alle Monitore haben, sodass der einzelne Bediener in wenigen Sekunden, während er die Monitore betrachtet unübliche Vorgänge abschätzen kann, wenigstens während dessen er die Monitore sorgfältig überwacht. Dennoch ist es in einem kleinen System schwierig oder für eine solche Person unmöglich, dieselbe Szene oder Szenen ununterbrochen zu beobachten. Nach wenigen Minuten desselben Bildes beginnt, was man Beobachtungsmüdigkeit nennt, einzusetzen. Nach Stunden im Dienst, werden die Monitore für die Überwachungsperson nur noch Teil des Hintergrunddurcheinanders. Auf diese Weise ist die Konzentration und die Fähigkeit reduziert oder gar verlorengegangen, unerwünschte Vorkommnisse wahrzunehmen, welche ansonsten aus den Monitoranzeigen für den Bediener erkennbar sind.
  • Überwachungssysteme im Großmaßstab
  • In einem großen CCTV-System mit hunderten von Kameras ist der Ermüdungsfaktor für Überwachungspersonal, welches eine entsprechend große Anzahl von Bildschirmen beobachten muss, extrem. Konventionelle CCTV-Kontrollsysteme wurden vorgeschlagen, welche die Möglichkeit haben, Kameras im Rotationsprinzip auf Monitoren folgen zu lassen. Dies ermöglicht den Bedienungspersonen jede Kamera in dem System periodisch mit einer vernünftigen Anzahl von Monitoren zu beobachten.
  • Beispielsweise könnten in einem großen anspruchsvollen Großstadtsystem mit etwa 300 CCTV-Kameras in Garagen 13 Überwachungspersonen erforderlich sein, um jede Kamera einmal pro Minute zu beobachten, sogar wenn ein bekanntes Abfolgesystem eingesetzt wird, das geeignet ist zum Umschalten von vier Monitoren pro Bedienungsperson, und dies alle zehn Sekunden. In einem derartigen System, welches ein Bild pro Minute auf einem Anzeigemonitor präsentiert, ist es Bedienungspersonen nicht möglich, schnell auftretende Vorgänge, wie zum Beispiel ein Entreißen einer Tasche festzustellen. Um 13 Überwachungspositionen über 24 Stunden pro Tag zu betreiben, sind für eine entsprechende Personalausstattung etwa 65 Personen erforderlich. Auch wenn die sich ergebenden hohen Kosten für so viel Personal tragbar sind, kann man nicht erwarten, dass das Überwachungspersonal praktisch einen zufriedenstellend hohen Aufmerksamkeitsgrad für eine passende Vorkommnisbeobachtung aufrecht erhält, da diesem Personal auf den Bildschirmen mit etwa 11.250 einzelne zu bewertende Bilder während jeder Achtstundenschicht vorgelegt werden.
  • Ein weiteres bekanntes Verfahren zum Handhaben großer Anzahlen von CCTV-Kameras besteht darin, eine „Wand von Bildschirmen" zu bilden. Bei der Verwendung von etwa 300 Bildschirmen in einem CCTV-System, wobei jeder Bildschirm ein 19 Zoll-Schirm ist, gestapelt von einem Punkt drei Fuß über dem Boden und bis zu einer Höhe von 9 Fuß über dem Boden, wobei eine Breite von etwa 137 Fuß eines linearen Wandraums für die Wand von Monitoren erforderlich ist. Oder wenn solche Monitore am Umfang entlang der Wände eines Raums angeordnet sind, würden sie einen Raum mit den Maßen 14 Fuß mal 60 Fuß vollständig belegen. Wenn Bedienungspersonen in einem Abstand von 20 Fuß entfernt von der Wand (oder den Wänden) positioniert werden würden, könnten alle Kameraansichten auf den Anzei gemonitoren von wenigstens 8 Überwachungspersonen betrachtet werden. Wenn eine derartige Wand von Monitoren jedoch in einer Länge von 137 Fuß eingesetzt werden würde, ist es unwahrscheinlich, dass irgendein Verbrechen oder ein anderes Vorkommnis gesehen wird.
  • 1 zeigt einen Menschen männlichen Geschlechts, 6 Fuß hoch, welcher an einem Ende einer Reihe von 76 Equipment-Gerüsten, welche 304 Monitore enthalten steht, um das Erscheinungsbild und den relativen Maßstab einer sogenannten Wand von Monitoren zu simulieren, welche sich aus dieser großen Anzahl von CCTV-Überwachungsbildschirmen ergeben würde. Obwohl der Mensch nicht maßstäblich gezeichnet ist, können die Beobachtungssituation im Betrieb oder die Erfordernisse für eine solche Wand von Monitoren einfach dargestellt werden, und es ist leicht nachzuvollziehen, dass sie für eine große Anzahl von Bildschirmen nicht praktikabel ist. Kleinere Beobachtungsmonitore erfordern weniger Platz. Das Überwachungspersonal muss jedoch dann die kleineren Monitore von einer geringeren Distanz aus betrachten, um jede Szene erkennen zu können.
  • Es ist gewünscht, dass die Anzahl von Überwachungspersonen zum Beobachten von Display-Bildschirmen eines mit einer großen Menge von CCTV-Einrichtungen versehenen Überwachungssystems, durch Verwendung bekannter Videobewegungsdetektoren in Kombination mit einer Elektronik zur Kontrolle des Umschaltens der CCTV-Einrichtung reduziert werden kann. Bei einem bestimmten Bewegungswert in Garagen eines derart großen Überwachungssystems, welches bekannte Videobewegungserkennungstechniken einsetzt, werden Kameras ohne eine gewisse feststellbare Bewegung in dem Video von einer Umschaltsequenz ausgespart. Während eine Erkennung der Bewegung sogar eines einzelnen Fahrzeugs in einer Kamera durch den Videobewegungsdetektor veranlassen würde, dass diese Kamera in der Sequenz eingeschlossen wird, kann dieser selbe Wagen, welcher von einer Person, welche nach einem Parkplatz Ausschau hält, verschiedene Kameras passieren, wodurch veranlasst wird, dass die Ansicht von jeder Kamera wiederum auf einem Abrufschirm einer Bedienungsperson angezeigt wird.
  • Das Zufügen einer Bewegungserkennung zu jeder Kamera und in Folge eine passende Software zur Begrenzung der Kameras auf solche mit einer Bewegung könnte die erforderlichen vom Personal überwachten Kameras entscheidend reduzieren. Obwohl keine exakten Werte bekannt sind, nimmt man an, dass Erfordernisse für die Aufmerksamkeit von Bedienungspersonen, welche Bedienerbelastung genannt werden können, um einen Faktor von 2 abnehmen würden, wenn nur die Kameras mit einer Bewegung den Bedienern des Systems präsentiert würden. Eine abnehmende Bedienerbelastung um die Hälfte würde dennoch sechs während des Tages stetig anwesende Bedienungspersonen erforderlich machen, das heißt, bei einer Schicht, dass hierfür ein Gesamtbedienerpersonal von etwa 30 Personen erforderlich wäre. Sogar dann, wenn das Überwachungsbudget die Bezahlung von 30 Gehältern für Überwachungspersonal zulassen würde, würde die Beobachtungsaufgabe diese Bedienungspersonen zu extremen Aufmerksamkeitsermüdungserscheinungen innerhalb einer vorgegebenen Schicht treiben.
  • Ein oben vorgeschlagenes CCTV-System zur Verwendung in Flughafenparkgaragen wurde so ausgestattet, dass es eine Videobewegungserkennung in jeder Videokamera vorsieht, und eine Software zur Regelung einer elektronischen Auswahl nur der Kameras, welche einen Videooutput mit einer Bewegung bieten, eingesetzt, sodass sie vom Überwachungspersonal gesehen werden. Da gefordert wurde, dass die Zahl der Kameras in dem vorgeschlagenen System wachsen muss, könnte die Schwäche einer einfachen Bewegungserkennung zu Tage treten. Im Handel erhältliche Bewegungsmelder für ein solches System wurden derart beurteilt, dass sie ungeeignet sind, eine Person von einem Fahrzeug zu unterscheiden. Dementsprechend könnte beispielsweise jedes Fahrzeug, welches an einer Kamera vorbeifährt, einen Bewegungsmelder des Systems auslösen. Wenn Fahrzeuge Fahrwege entlangfahren, würden sie verschiedene Kameras passieren, und dies würde eine Darstellung auf Beobachtungsmonitoren vieler Ansichten des gleichen Fahrzeugs zur Folge haben. Etwa sechs Bedienungspersonen wären während des gesamten Tages erforderlich, und die wiederholte Darstellung von Bildern, welche durch die Bewegung eines einzelnen Fahrzeugs nach Passieren vieler Kameras verursacht werden, würde eine extreme Langeweile verursachen und zu einem Verlust der Aufmerksamkeit führen.
  • Ein bekanntes Verfahren zum Überwachen einer Szene wird in dem US-Patent Nr. 5,880,775 von Ross angeboten, in welchem Pixel individueller Bilder verglichen werden, um einen Differenzwert zu erzeugen, wobei der Wert, sofern er einen vorbestimmten Grenzwert überschreitet, einen Videokassettenrecorder (VCR) zur Aufnahme aktiviert. Ein weiteres Verfahren wird in dem US-Patent Nr. 5,875,305 von Winter et al. genannt, wobei Videodaten analysiert werden, um eine vorbestimmte Charakteristik zu finden, welche auf Merkmalen eines Zieles, wie zum Beispiel Größe, Geschwindigkeit, Form oder Farbwechsel und einer folgenden Videokompressionsspeicherung. Weitere Methoden von Bewegungserkennung, Feuererkennung und andere eventbasierte Überwachung mit folgender Systembetätigung für Überwachungszwecke sind zahlreich und auf diesem Gebiet gut bekannt. Der Stand der Technik geht jedoch nicht vollständig auf die Bedürfnisse für eine intelligente Kameraauswahl ein, welche auf einer Vielzahl von Eingangswerten zur Verringerung einer Bedienerbelastung und einer Bedienermüdigkeit basiert. Darüberhinaus regelt der Stand der Technik kein CCTV-Umschalten für die Betrachtung von Bedienern. Das US-Patent Nr. 4,943,854 von Shiota et al. nennt einen Multivideorecorder, der eine Auswahl eines Signals aus einer Vielzahl von Kameras ermöglicht, jedoch ohne irgendeine Bildanalyse und hauptsächlich auf Bewegungsmeldersensoren basierend. Außerdem verwenden die Überwachungsverfahren nach dem Stand der Technik nicht die einzigarten Bildanalysetechniken der vorliegenden Erfindung für eine intelligente Kameraauswahl, welche im Folgenden in größerem Umfang beschrieben wird.
  • Die WO 98/56182 offenbart ein Überwachungssystem, welches eine Vielzahl von Bildmerkmalen verwendet, welche für jedes einzelne Bildsegment berechnet werden.
  • Dementsprechend besteht ein Bedarf im Stand der Technik für Bildanalysetechniken, welche viel mehr vereinfacht sind. Vereinfachte Bildanalysetechniken erlauben darüber hinaus eine Realzeitbildanalyse und ein robusteres Screening-System für Überwachungskameras.
  • Videoaufnahmen
  • Der aktuelle Stand der Technik für Videoaufnahmen in Überwachungs- und anderen Systemen ist eine Vollzeitdigitalvideoaufnahme auf Harddisk. Manche Systeme sichern auch digitalisierte Videos auf Bänder für eine Langzeitspeicherung.
  • Ein Grundproblem bei digitalen Videoaufnahmesystemen ist ein Zielkonflikt zwischen Speicherplatz und Qualität des Videos. Ein unkomprimierter Videodatenstrom in Farbe, VGA-Auflösung und einem Realzeitbildwert erfordert etwa 93 Gigabyte (GB) Speicherplatz pro Videostunde. (Auf diese Weise ergeben sich 3 Byte/Pixel·640 Pixel/Zeile/Bild·480 Pixel/Spalte/Bild·30 Bilder/Sekunde·60 Sekunden/Minuten·60 Minuten/Stunde).
  • Ein typischer Bedarf für mehrere Tage Videofilm auf einer PC-Festplatte ist kleiner als 93 Gigabyte. Um Plattenplatz zu sparen, wird die Raumauflösung reduziert, der Bildwert wird reduziert und eine Kompression wird verwendet, wie beispielsweise JPEG oder Wavelet.
  • Eine Reduzierung der räumlichen Auflösung verringert den Speicherplatz mit der Quadratwurzel der Verringerung. Das heißt, eine Reduzierung der Bildgröße von 640·480 um einen Faktor 2 auf 320·240 verringert den erforderlichen Speicherplatz um einen Faktor 4.
  • Eine Reduzierung der Bildrate verringert den Speicherplatz linear mit der Reduzierung. Das heißt, eine Reduktion der Bildrate von 30 FPS auf 5 FPS verringert den Speicherplatz um einen Faktor 6. Wenn eine Bildrate schwindet, scheint das Video „ruckartig".
  • Eine Reduzierung des Speicherplatzes durch Kompression verursacht einen Verlust bei der Auflösung bei höheren Kompressionswerten. Beispielsweise führt eine Reduzierung um einen Faktor 50 unter Verwendung von JPEGs zu einem verschwommenen, jedoch verwendbaren Bild.
  • Die unterschiedlichen Verfahren zur Speicherreduzierung können sich ergänzen. Eine Verwendung der Reduzierungen entsprechend der drei oben genannten Beispiele reduziert den Speicherbedarf um einen Faktor 1200 (4·6·50) auf 78 MB/Stunde.
  • Auch die Verwendung der Bewegungserkennung, um nur Bilder mit irgendeiner Bewegung in dem Video zu sichern, ist bekannt. Der Grund für die Bewegung wird nicht analysiert. Auf diese Weise muss jedes volle Bild bei der voreingestellten Kompression gespeichert werden. Der Effekt einer Bewegungsmeldung auf Speichererfordernisse hängt von der Aktivität in dem Video ab. Wenn in der Hälfte der Zeit irgendeine Bewegung stattfindet, wird der Speicherbedarf um einen Faktor 2 reduziert.
  • Gegenstand und Zusammenfassung der Erfindung
  • Unter den verschiedenen Gegenständen, Merkmalen und Vorteilen der Erfindung kann das Schaffen eines neuen und vorteilhaften Überwachungssystems angegeben werden, unter der Verwendung von neuen, besonders vorteilhaften Verfahren und Vorrichtungen für ein automatisiertes Auswählen der beschriebenen Überwachungskameras, und insbesondere solche Verfahren und Vorrichtungen:
    welche mehr kosteneffektiv als alle vergleichbaren früheren CCV-Systeme sind,
    welche zum Einsatz in Verbindung mit großen konventionellen CCTV-Systemen, welche bei voller Kapazität arbeiten, geeignet sind,
    welche eine markante Verringerung der Bedienermüdigkeit in einem CCTV-System erreichen,
    welche die Sicherheit in Parkbereichen und -garagen und anderen Gebäuden, welche Fahrzeug- und/oder Fußgangverkehr innerhalb der Gebäude haben, verbessern,
    welche als sogenannte intelligente elektronische Systeme arbeiten, mit einer Eignung, Videokameraausgangswerte an einen oder mehrere Videodisplaymonitore nur dann zu schicken, wenn Dinge von logischer Relevanz vorliegen, sodass sie von einer Bedienungsperson gesehen werden,
    welche wirksam sind, um zu veranlassen, dass CCTV-Monitoransichten der Bedienungsperson präsentiert werden, wenn der Inhalt der Videokameraansicht von ausreichender Relevanz ist, sodass eine Analyse eines Menschen erforderlich ist durch Verwendung einer intelligenten elektronischen Auswahl von Ansichten für jeden der vielen CCTV-Displaymonitore,
    welche eine Lösung der zuvor genannten Probleme anbieten, nämlich der Verwendung von Displaymonitoren durch Bedienungspersonen zum Überwachen der Bilder von CCTV-Kameras für ein Überwachungssystem,
    welche einen funktionalen Betriebsvorteil in einem CCTV-System dadurch erreichen, dass eine Überwachung von Displaymonitoren des Systems durch Bedienungspersonen wesentlich weniger langweilig oder ermüdend ist, als die bisher bekannten Merkmale von CCTV-Systemen,
    welche eine Zunahme in der Aufmerksamkeitsspanne der Bedienungsperson und der Erkennung von Vorfällen hervorrufen,
    welche einen hohen Grad an Sicherheit für Gebäude bei relativ niedrigen Kosten erreichen, und
    welche einen hohen Wert einer zuverlässigen Abhängigkeit von dem System in CCTV-Sicherheitssystemen und dessen Funktionieren für seine Kapazitäten in einem bisher nicht erreichten Ausmaß erreichen.
  • Gemäß einem Aspekt der vorliegenden Erfindung wird eine intelligente Kameraauswahl, das heißt eine automatische, elektronisch geregelte Auswahl zur Darstellung auf einem Displaymonitor im Zusammenhang mit einem elektronischen Logikprotokoll von einem integrierten Überwachungssystem mit einer Vielfalt von CCTV-Kameras ausgeführt, welche eine andere Vielfalt von zugangskontrollierten Berei chen überdeckt. Wenn ein Vorfall, oder ein Ereignis passiert, z. B. eine gefallene Person, wird die Kamera, welche den Vorfall sieht, automatisch ausgewählt, das heißt, ihr Videoausgang wird ausgewählt, um ein korrespondierendes Display oder einen Aufruf der Ansicht dieser Kamera auf dem Displaymonitor eines Bedieners zu erzeugen. Die Auswahl und der Aufruf der Kameraansicht kann auch ein Audiosignal desselben einschließen. Wenn festgestellt wird, dass kein Vorfall vorliegt, ist der Displaymonitor schwarz. Da ein derartiger Aufruf der automatischen Kamera in Reaktion auf ein vorgefallenes Ereignis funktioniert, hängt die Bedienerbelastung von der Ereignisaktivität ab, unabhängig von der Anzahl der in dem System befindlichen Kameras.
  • Ein Hauptziel, -merkmal und -vorteil der vorliegenden Erfindung besteht darin, dass ein Überwachungssystem gemäß der vorliegenden Lehre, zum automatischen Ausführen von Entscheidungen darüber geeignet ist, welche Videokamera beobachtet werden sollte und welche vernachlässigt werden sollte, basierend auf einem Videogehalt jeder derartigen Kamera, wie durch Verwendung von Videobewegungsmeldern in Kombination mit anderen Merkmalen des vorliegenden erfindungsgemäßen elektronischen Subsystems, welches ein prozessorgesteuertes Auswahl- und Kontrollsystem („PCS-System") darstellt, welches als ein Schlüsselteil des genannten Überwachungssystems zum Regeln einer Auswahl der CCTV-Kameras dient. Das PCS-System wird implementiert, um automatische Entscheidungen darüber zu treffen, welche Kameraansicht auf einen Displaymonitor des CCTV-Systems abgebildet werden soll und damit von Überwachungspersonal beobachtet werden soll und welche Videokameraansichten ignoriert werden, alle diese Vorgänge basierend auf einer prozessorimplementierten Interpretation des Inhaltes des Videos, welches von jeder, wenigstens einer Gruppe von Videokameras, innerhalb des CCTV-Systems erhältlich ist.
  • Eingeschlossen als Teil des PCS-Systems sind neue Bildanalysetechniken, welche ermöglichen, dass das System Entscheidungen darüber trifft, welche Kamera eine Bedienungsperson ansehen soll, basierend auf dem Vorliegen und der Aktivität von Fahrzeugen und Fußgängern. Events werden zugeordnet mit Fahrzeugen und Fußgängern und schließen ein, sind jedoch nicht hierauf begrenzt, einzelne Fußgänger, mehrere Fußgänger, schnelle Fußgänger, gefallene Fußgänger, herumschleichende Fußgänger, verirrte Fußgänger, zusammenlaufende Fußgänger, ein einzelnes Fahrzeug, viele Fahrzeuge, schnelle Fahrzeuge und plötzlich anhaltende Fahrzeuge.
  • Die Bildanalysistechniken sind ebenso geeignet, durch Ausfindigmachen von Hintergrundbildern und Segmentieren von sich bewegenden Zielen Fahrzeugverkehr von Fußgängerverkehr zu unterscheiden. Fahrzeuge werden von Fußgängern auf der Basis vieler Faktoren unterschieden, einschließlich der charakteristischen Bewegung von Fußgängern im Vergleich zu Fahrzeugen, das heißt Fußgänger bewegen ihre Arme und Beine, wenn sie sich bewegen und Fahrzeuge behalten die gleiche Form, wenn sie sich bewegen. Andere Faktoren schließen das Größenverhältnis und die Glattheit ein. Zum Beispiel sind Fußgänger größer als Fahrzeuge, und Fahrzeuge sind glatter als Fußgänger.
  • Die Hauptbildanalysetechnik der vorliegenden Erfindung ist geschieht auf der Basis einer Analyse einer Geländekarte. Im Allgemeinen wird eine Geländekarte von einem Singlepass eines Videobildes erzeugt, was zu einer charakteristischen Information betreffend den Inhalt des Videos führt. Die Geländekarte erzeugt eine Datei mit der charakteristischen Information, basiert auf jedem der 2×2 Kernel von Pixel in einem Eingangspuffer, welcher sechs Bytes von Daten, welche das Verhältnis jeder der 16 Pixel in einem 4×4 Kernel, welche den 2×2 Kernel umgeben, beschreiben.
  • Der Informationsgehalt des Videos, welches durch die Geländekarte generiert ist, ist die Basis für jede Bildanalysetechnik der vorliegenden Erfindung und führt zur Erzeugung verschiedener Parameter für eine weitere Bildanalyse. Diese Parameter schließen ein: (1) durchschnittliche Höhe, (2) Neigungsgrad, (3) Neigungsrichtung, (4) horizontale Glätte, (5) vertikale Glätte, (6) Zackigkeit/Rissigkeit, (7) Farbgrad, und (8) Farbrichtung.
  • Durchschnittliche Höhe
  • Der Parameter „durchschnittliche Höhe" errechnet einen Durchschnittswert von vier Pixel in dem mittleren 2×2 Kernel.
  • Neigungsgrad
  • Der „Neigungsgrad"-Parameter errechnet den absoluten Unterschied in Prozent zwischen dem höchsten Durchschnittswert und dem niedrigsten Durchschnittswert, welcher von der durchschnittlichen Höhe berechnet wird.
  • Neigungsrichtung
  • Der Parameter „Neigungsrichtung" berechnet die Richtung der Neigung, basiert auf dem höchsten und niedrigsten Durchschnittswert, welcher von der durchschnittlichen Höhe berechnet wird.
  • Horizontale Glattheit
  • Die „horizontale Glattheit" berechnet die Beständigkeit im Wechsel in horizontaler Richtung von dem niedrigsten Pixel zu dem höchsten Pixel.
  • Vertikale Glattheit
  • Ähnlich wie die horizontale Glattheit berechnet die „vertikale Glattheit" die Beständigkeit des Wechsels in vertikaler Richtung von dem niedrigsten Pixel zu dem höchsten Pixel.
  • Zackigkeit/Rissigkeit (Jaggyness)
  • Der „Zackigkeits"-Parameter misst die Versetzung in Pixel zwischen ungeraden und geraden Feldern für ein vorgegebenes Ziel, welches aus einem Bild eines Videos segmentiert ist. Der Versatz wird dann verwendet, um die Bewegungsrichtung des Ziels zu bestimmen und um zu bestimmen, wie schnell sich ein Ziel bewegt. Im Allgemeinen ist die Zackigkeit ein Maß des Umfangs einer Verzerrung einer Verknüpfung aufgrund einer Bewegung zwischen ungeraden und geraden Feldern des Bildes des Videos.
  • Farbgrad
  • Der „Farbgrad" misst im Allgemeinen, wie stark sich die Farbe von einer Grauskala unterscheidet. Null ist ein Äquivalent für vollständig weiß oder vollständig schwarz, und 255 ist ein Äquivalent für eine vollständige Farbe.
  • Farbrichtung
  • Die „Farbrichtung" berechnet einen Farbraum, ähnlich zu einem Farbton, basiert auf zweidimensionalen (B-R und G-R) Farbanalysen. Die zweidimensionale Analyse reduziert die Zahl fließender Punktberechnungen über die Zahl der Farbtonberechnungen oder dreidimensionalen RGB-Berechnungen signifikant und ist ein Faktor beim Erreichen einer Echtzeitberechnung. Im Allgemeinen ist die Farbrichtung ein Maß für den Grundton der Farbe.
  • Eine zusätzliche Bildanalysefunktion, nämlich „Aufrechterhalten eines Hintergrunds" isoliert den Hintergrund von sich bewegenden Zielen durch Ausmitteln von Abschnitten von Bildern, welche keine sich bewegenden Ziele enthalten. Das sich bewegende Ziel wird darüber hinaus analysiert, um einen Fahrzeugverkehr (oder anderen Verkehr) von einem Fußgängerverkehr zu unterscheiden.
  • Das PCS-System besteht aus sechs Softwarehauptkomponenten, alle konstruiert unter Verwendung von Microsoft- und Inteltools, einschließlich einer Kombination von Visual Basic und C++ Software programmierenden Sprachen. Die sechs Komponenten schließen folgende ein:
    • (1) Analysearbeiter
    • (2) Videosupervisor
    • (3) Videoarbeiter
    • (4) Knotenmanager
    • (5) Gesetzte Regeln GUI (Grafische Benutzeroberfläche mit gesetzten Re geln), und
    • (6) Vermittler
  • Ein Videoeingang von Überwachungskameras wird zuerst an einen Videoarbeiter geschickt, welcher Bilder von Videos (Frame grabber oder Bildfangschaltung) einfängt und hat verschiedene Eigenschaften, Methoden und Maßnahmen, welche die Kommunikation mit dem Videosupervisor vereinfachen. Es gibt einen Videosupervisor für jeden frame grabber. Die Analysearbeiter führen eine Bildanalyse an den Videobildern durch, welche von dem Videoarbeiter eingefangen wurden und berichten in Folge eine Aktivität an den Videosupervisor. In ähnlicher Weise haben die Analysearbeiter verschiedene Eigenschaften, Methoden und Maßnahmen, welche eine Kommunikation mit dem Videosupervisor erleichtern. Der Videosupervisor beobachtet, wenn Bilder von dem Videoarbeiter verfügbar sind und wenn der Analysearbeiter für weitere Bilder bereit ist und steuert den Datenfluss entsprechend. Der Videosupervisor sendet dann Daten an den Knotenmanager, welcher wiederum die Kommunikation mehrerer Videosupervisoren mit dem Vermittler konzentriert, wodurch der Gesamtdatenfluss zu dem Vermittler gemanagt und verringert wird.
  • Die Set Rules GUI erlaubt ein Verändern der Systemregeln dahingehend, welches Video an welchem Monitor präsentiert wird; beispielsweise, Ändern einer Verweilzeit von Szenen mit vielen Personen oder Ändern der Bedienerkonsole, um Videos von einer Gruppe von Kameras zu empfangen. Der Vermittler empfängt dann Daten von Knotenmanagern, über welche Aktivitäten derzeit im System vorliegen und empfängt Regeln von der Set Rules GUI darüber, welche Aktivität an welchem Monitor präsentiert werden sollte und vermittelt korrespondierend Konflikte zwischen verfügbaren Monitoren und anhängiger Aktivität. Die Systemkameras können auch von dem Bediener über eine PTZ(Pan-Tilt-Zoom bzw. Schwenk-Neige-Zoom)-Regelung gesteigert werden. Das PCS-System enthält auch Vierfachverteiler, welche ein Analogvideo von einem zentralen CCTV-Schalter empfangen und Vielfach-Videoszenen an eine Bedienerkonsole liefern.
  • Das PCS-System steht über eine Schnittstelle mit dem existierenden konventionellen CCTV-System über ein Interface zwischen dem Vermittler und dem Portserver des CCTV-Systems in Verbindung. Datenströme von dem Vermittler zu dem Portserver laufen über einen seriellen Link und Datenströme von dem Portserver zu dem Vermittler laufen über ein Interprocess DCOM (Distributed Component Object Model), ein Protokoll, welches ermöglicht, dass Softwarekomponenten direkt über ein Netzwerk kommunizieren. Zwischenprozessdaten von dem PCS-System an den Portserver des CCTV-System enthalten die Nummer der als nächste auszuwählenden Kamera, eine Ausgangsbestimmung einer nächsten Kameraauswahl, Befehle um einen Weg von der Kamera zu einem Monitor einzustellen und eine Nachrichtenreihung, welche zukünftige Extensions erlaubt, ohne die Schnittstelle zu revidieren. Zwi schenprozessdaten von dem Portserver des CCTV-Systems an das PCS-Systems enthalten die Kameranummer, welche die Bedienungsperson zum Betrachten auf einem anderen Monitor ausgewählt hat, eine Kameranummer, welche die Bedienungsperson für Schwenkung, Neigung oder Zoom (PTZ) ausgewählt hat und eine Nachrichtenreihung, welche zukünftige Extensionen erlaubt, ohne die Schnittstelle zu revidieren.
  • Datenströme zwischen den Überwachungskameras und dem Videoarbeiter sowie zwischen den Vierfachverteilern und der Benutzerschnittstelle ist ein Analogvideo. Ein Datenstrom zwischen PCS-Systemkomponenten ist dem Zwischenprozess-DCOM ähnlich, wobei die Strömung von dem Videoarbeiter zu dem Videosupervisor und die Strömung von der Regeldatenbank zu dem Vermittler eine Intraprozess-COM (COM) ist, also eine Softwarearchitektur, welche es ermöglicht, dass Anwendungen aus Binärsoftwarekomponenten geschaffen werden.
  • In einem bekannten Ausführungsbeispiel der vorliegenden Erfindung gibt es drei Knotenmanager, von denen jeder Daten von einem Videosupervisor empfängt, welcher wiederum eine Datenströmung zwischen einem Videoarbeiter und vier Analysearbeitern steuert. Es gibt eine Set Rules GUI, und es kann nur einen Vermittler pro System geben.
  • Dementsprechend ist klar, dass gemäß der Erfindung ein neues und vorteilhaftes Überwachungssystem vorgeschlagen wird, welches ein Verbundüberwachungssystem genannt werden kann, in dem es PCS- und CCTV-Subsysteme, welche synergetisch arbeiten aufweist.
  • Es liegt auch im Schutzbereich der Erfindung, als System an und für sich, Merkmale der vorliegenden prozessorgesteuerten Auswahl und ein Kontrollsystem („PCS-System") vorzusehen, welches in existierende CCTV-Systeme eingebaut werden und auf diese Weise damit eingesetzt werden kann, und dass hiermit zu einem Hilfssystem innerhalb eines solchen CCTV-Systems wird.
  • Zusätzliche Gegenstände, neue Merkmale und Vorteile der vorliegenden Erfindung werden in weiteren Einzelheiten in der detaillierten Beschreibung, welche folgt, beispielhaft beschrieben und für den Fachmann klarer.
  • Kurze Beschreibung der Zeichnungen
  • Die oben genannten und weitere Merkmale und Gegenstände der Erfindung und die Art und Weise, diese zu erlangen, wird klarer und die Erfindung selbst wird besser verstanden, unter die Bezugnahme auf die folgende Beschreibung eines Ausführungsbeispiels der Erfindung, welche in Verbindung mit den beiliegenden Zeichnungen durchgeführt wird.
  • 1 zeigt eine perspektivische Ansicht einer sogenannten Wand von CCTV-Displaymonitoren zusammen mit der Darstellung einer menschlichen Figur, welche an einem Ende der „Wand" gemäß dem Stand der Technik positioniert ist. Die Zeichnung ist demnach mit „Stand der Technik" beschriftet. Die menschliche Figur ist nicht maßstabsgetreu gezeichnet.
  • 2 zeigt ein Blockdiagramm eines Überwachungssystems entsprechend der vorliegenden Erfindung und verkörpert ein Ausführungsbeispiel der vorliegenden Erfindung mit CCTV-Subsystemkomponenten und elektronischen Subsystemmerkmalen, einschließlich softwarebetriebener Komponenten, durch welche Videoausgänge von Videokameras des Systems automatisch wahlweise an Displaymonitoren des CCTV-Systems zugänglich gemacht werden, wobei die Kameraansichten von Überwachungspersonal angesehen werden können, welches die Displaymonitore durch Videos beobachten, welche wahlweise an eine Videodisplaykonsole oder mehrere solche Konsolen geliefert werden. In diesem Blockdiagramm ist nur eine typische Einheit von möglichen Positionen von Vielfachbedienerkonsolen gezeigt.
  • 3 zeigt eine Ansicht von Bildbereichen, welche für eine Bildanalyse gemäß der vorliegenden Erfindung verwendet werden.
  • 4 zeigt eine Ansicht, welche Registrierungsmarkierungen zeigt, welche in einem Drei-mal-Drei Gitter gemäß der vorliegenden Erfindung hervorgehoben sind.
  • 5 zeigt eine Ansicht des Vier-mal-Vier Basiskernel mit vier Zwei-mal-Zwei-Quadranten und den Pixelzahlen in jedem Quadranten zur Herstellung einer Geländekarte gemäß der vorliegenden Erfindung.
  • 6 zeigt eine Ansicht, welche die Bestimmung der Neigungsrichtung erläutert, wobei sie ermöglicht, dass 120 Grad in vier Bits gemäß der vorliegenden Erfindung passen.
  • 7 zeigt ein Diagramm eines dreidimensionalen Farbraums, welcher für Bildanalyseberechnungen gemäß dem Stand der Technik Einsatz findet.
  • 8 zeigt ein Diagramm eines zweidimensionalen Farbraums, welcher für Bildanalyseberechnungen gemäß der vorliegenden Erfindung verwendet wird.
  • 9 zeigt eine Schwarz/Weißkarte, welche den zweidimensionalen Farbraum gemäß der vorliegenden Erfindung darstellt.
  • 10 zeigt eine Ansicht der Versetzung in Pixel zwischen den ungeraden und geraden Feldern für ein gegebenes Ziel, welches bereits von einem Videorahmen gemäß der vorliegenden Erfindung segmentiert ist.
  • 11 zeigt eine Ansicht, welche schraffierte Bereiche zeigt, welche von einer Bildanalysefunktion verwendet werden, um gemäß der vorliegenden Erfindung Pixel zu zählen.
  • 12 zeigt eine Ansicht mit einem Bild von nur einem Ziel ohne Hintergrund, welches gemäß der Erfindung von Bildanalysefunktionen eingesetzt wird.
  • 13 zeigt ein Fließschema, welches die Einfang- und Analysesynchronisation zwischen dem Supervisor und dem Analysearbeiter gemäß der vorliegenden Erfindung zeigt.
  • 14 zeigt ein Blockdiagramm der Hardware gemäß der vorliegenden Erfindung.
  • Korrespondierende Bezugszeichen geben durch die einzelnen Ansichten hindurch korrespondierende Teile an. Obwohl die Zeichnungen Ausführungsformen der vorliegenden Erfindung darstellen, sind die Zeichnungen nicht notwendigerweise maßstabsgetreu, und bestimmte Merkmale können übertrieben dargestellt sein, um die vorliegende Erfindung besser zu illustrieren und zu erklären.
  • Detaillierte Beschreibung der vorliegenden Erfindung
  • Gemäß den Zeichnungen und insbesondere gemäß 2 sind Softwarekomponenten eines prozessorgesteuerten Selektions- und Steuersystems (PCS) 10 in Rahmen in der oberen rechten Ecke gezeigt, wie sie innerhalb der Grenzen der durchgezogenen Linie enthalten sind. Weitere Komponenten in der Zeichnung reflektieren das Blockdiagramm für ein CCTV-Subsystem 12, welches in Verbindung mit elektronischen Merkmalen einschließlich der softwarebetriebenen Komponenten gemäß der erfinderischen Systemkonfiguration verwendet wird. Die softwarebetriebenen Komponenten des elektronischen Subsystems verursachen, dass Videoausgänge von Videokameras des CCTV-Subsystems automatisch und selektiv für Displaymonitore des CCTV-Systems verfügbar gemacht werden, wobei die Kameraansichten von Überwachungspersonal angesehen werden können, welches die Displaymonitore durch ein Video beobachtet, welches für einen Bediener selektiv an eine Videodisplaykonsole oder an mehrere solcher Konsolen geliefert wird.
  • Existierendes CCTV-System
  • Zum Zweck der Erklärung des neuen Systems wird angenommen, dass es in dem oben gezeigten Beispiel hunderte von CCTV-Kameras gibt, welche innerhalb einer Parkgarage oder innerhalb von Reihen derartiger Garagen oder innerhalb eines Garagenkomplexes angeordnet sind. Jede der CCTV-Garagenkameras 14 ist direkt mit einem von drei CCTV-Schaltern verbunden (zwei dezentrale CCTV-Schalter 16 und ein zentraler CCTV-Schalter 18). Dezentrale CCTV-Schalter 16 liefern ein Video von CCTV-Garagenkameras 14 an einen zentralen CCTV-Schalter 18. Der zentrale CCTV-Schalter 18 ist so konfiguriert, dass er von der zentralen Schaltertastatur 20 nach bekannten Techniken gesteuert wird, und leitet ein Video von CCTV- Garagenkameras 14 an Bedienerkonsolen 22. Die dezentralen CCTV-Schalter 16 und der zentrale CCTV-Schalter 18 empfangen von den CCTV-Garagenkameras 14 ein analoges Video und senden in Folge ein analoges Video an die Bedienerkonsolen 22. Die dezentralen Schalter 16 und der Zentralschalter 18 sind Handelsware von der Stange (COTS). Der Fachmann weiß, dass es andere als solche CCTV-Schalter des Systems geben kann.
  • Verschiedene mögliche Typen von Videoeingängen können an dem zentralen CCTV-Schalter 18 vorgesehen sein. Solche Eingänge können beispielsweise ein Video von einem dezentralen CCTV-Schalter 16, anderen CCTV-Schaltern und ein Video von anderen CCTV-Garagenkameras 14 enthalten.
  • Der zentrale CCTV-Schalter 18 ist so konfiguriert, dass er von dem zentralen Schalterkeyboard 20 gemäß bekannter Techniken gesteuert wird. Der zentrale CCTV-Schalter 18 leitet ein Video von CCTV-Garagenkameras 14 zu den Bedienerkonsolen 22. Die Bedienerkonsolen 22 sind Graphikschnittstellenarbeitsplätze 24, welche mit einem Vierfachvideoverteiler 26 ausgerüstet sein können. Vierfachvideoverteiler 26 sind typisch bei solchen Verteilern, welche Videobilder in ein 2×2-Format aufteilen, wobei vier Videoszenen in einem einzelnen Displaymonitor gezeigt werden. Bei dem vorliegenden dargestellten Systemausführungsbeispiel sind zwei Bedienerkonsolen 22 mit Vierfach-Videosplittern 26 ausgerüstet, welche zum Überwachen von Garagenkameras und zur Auswahl von Kameraansichten, welche zu dem einzelnen Displaymonitor übertragen werden sollen, vorgesehen sind.
  • Der analoge Videoausgang von dem Vierfachvideosplitter 26 ist in Verbindung mit der GUI-Arbeitsstation 24 zur Illustration der Art und Weise gezeigt, in welcher Kameraansichten zum Zweck der Einstellung und/oder der Umstellung des Betriebs des Systems verfügbar gemacht werden können.
  • Prozessorgesteuertes Selektions- und Steuersystem (PCS)
  • Sechs Software Module des PCS-Systems 10 sind in 2 gezeigt und weisen folgende Einheiten auf: Analysearbeiter 30, Videosupervisoren 32, Videoarbeiter 34, Knotenmanager 36, Graphikschnittstellen mit eingestellten Regeln 38 und einen Vermittler 40. Die Funktionen jedes der Softwaremodule und ihrer Interaktionen werden im Folgenden beschrieben:
  • Analysearbeiter
  • Die Analysearbeiter 30 sind ActiveX® EXE-Module, welche für die Bildanalyse verantwortlich sind. ActiveX®-Regler gehören zu den vielen Typen von Komponenten, welche COM-Technologien einsetzen, um eine Verträglichkeit mit anderen Typen von COM-Komponenten und -Diensten zu schaffen. Die Analysearbeiter 30 analysieren das Video von einer Kamera und berichten eine Aktivität an den zugeordneten Videosupervisor 32. Neue Bilder werden gemäß einer Verteilung durch den Videosupervisor 32 von einem gemeinsam genutzten Speicher erhalten. Die Analysearbeiter 30 sind auf Sichtbasis arbeitende Terminals (VB Shells), welche für die Kommunikation mit den Videosupervisoren 32 verantwortlich sind und Oberwertbeschlüsse über Videoaktivitäten treffen. Niedrig-Wert-Rufe zu den Bildprozessfunktionen werden von einer DLL, Dynamic Link Library, bzw. einer dynamischen Verbindungsbibliothek, einer Bibliothek ausführbarer Funktionen oder Daten ausgeführt. Alle Analysearbeiter 30 in dem PCS 10 teilen sich die DLL und alle Rufe an die DLL werden von den Analysearbeitern 30 getätigt.
  • Die Analysearbeiter 30 können auch als Server für den Videosupervisor 32 dienen. Jede Bilddatenmanipulation wird in den C++-Funktionen der DLL durchgeführt. Innerhalb der DLL existieren Funktionen, welche die Bildanalyseverfahren der vorliegenden Erfindung, wie in weiteren Details im Folgenden beschrieben, unterstützen.
  • DLL der Bildanalyse:
  • Alle Funktionen, welche Bilddaten manipulieren, sind in einer hochwertigen DLL vorrätig, welche das schnelle Schaffen von Bildanalyseprogrammen auf Sichtbasis mit minimalem Aufwand, welcher auf Bilddaten verwendet wird, ermöglicht. Die DLL verarbeitet Bilddaten und führt symbolische Daten zu einem VB-rufenden Programm, nämlich, einem lauffähigen Analysearbeiter. Bei dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung existieren die DLL-Funktionen in drei Quellcodemodulen:
    • 1. Utilities Function (.Cpp) – enthält alle Utilityfunktionen, wie sie von Dateien und zugeordnetem/freiem Speicher gelesen wurden.
    • 2. Image Processing Function (.Cpp) – enthält Bildverarbeitungsfunktionen, wie beispielsweise den Hintergrund aufrechterhalten.
    • 3. Image Analyses Function (.Cpp) – enthält Bildanalysefunktionen, welche eine vorherige Segmentierung erfordern.
  • In der DLL der vorliegenden Erfindung werden Matrizen engagiert, um Ziele oder Objekte innerhalb des Videoinhalts zu verfolgen. Eine Matrix enthält Daten betreffend das Ziel (Zieldaten), und eine andere Matrix enthält Daten betreffend die Geschichte des Ziels (Zielgeschichte). Wenn symbolische Daten für die Ziele gesammelt werden, werden die Daten in den Elementen von zweidimensionalen Matrizen von Strukturen gespeichert. Eine Dimension dient für die Zahl zu verfolgender Bilder, und die andere Dimension dient für die Zahl der Ziele in jedem Bild bis zu einem global variablen Maximum. Beispielsweise ein Element „Name [3] [9]" in der Zielgeschichtenmatrix würde Daten für das neunte Objekt der Bilddaten, welche in Zeile 3 gespeichert sind enthalten.
  • Symbolische Daten, erforderlich, um eine Entscheidung darüber zu treffen, ob das Ziel ein Auto oder eine Person ist, sind in der Zieldatenmatrix gespeichert. Dementsprechend enthält die Zieldatenmatrix eine Anzahl von Zeilen, welche im Allgemeinen durch eine globale Variable repräsentiert sind, welche erforderlich sind, um eine Entscheidung betreffend die Natur des Ziels zu treffen. Das bevorzugte Ausführungsbeispiel der vorliegenden Erfindung verwendet zehn Zeilen in der Zieldatenmatrix.
  • In ähnlicher Weise werden Symboldaten, welche erforderlich sind, um das Verhalten eines Ziels über eine Zeitdauer hinweg zu beurteilen in der Zielhistorienmatrix gespeichert. Die Zielhistorienmatrix behält die Spur des Ziels für einige Sekunden und verwendet auch eine Anzahl von Zeilen, welche durch eine globale Variable reprä sentiert sind. Das bevorzugte Ausführungsbeispiel der vorliegenden Erfindung verwendet hundert Zeilen in der Zielhistorienmatrix.
  • Beide, die Zieldaten- und die Zielhistorienmatrix haben dieselbe Anzahl von Spalten und die gleiche Anzahl von Zielen in jedem Bild, wie von der globalen Variablen für die maximale Anzahl von Zielen definiert ist. Das bevorzugte Ausführungsbeispiel der vorliegenden Erfindung verwendet vierundsechzig Spalten, um die Anzahl von Zielen zu verfolgen.
  • Die ersten vier Elemente der Zieldatenmatrix und der Zielhistorienmatrix enthalten dieselben Elemente, und die Zielhistorienmatrix ist länger als die Zieldatenmatrix. Beispielsweise sind die zehn verfolgten Ziele in zehn Bildern der Zieldatenmatrix dieselben Ziele, welche in den zehn aktuellsten Bildern der Zielhistorienmatrix verfolgt werden. Im Ergebnis können Daten in den zehn Zeilen der Zieldatenmatrix immer auf die zehn aktuellsten Zeilen in der Zielhistorienmatrix abgebildet werden.
  • Die erste Dimension der Zieldatenmatrix und der Zielhistorienmatrix wird als Ring eingesetzt, sodass eine Variable für die aktuellen Datenzeile auf die Zeile der Zieldatenmatrix zeigt, welche für das nächste Bild, welches analysiert wird, verwendet werden soll. Die aktuelle Datenzeilenvariable wird für jedes analysierte Bild hochgezählt, und wenn die globale Variable für die maximale Anzahl von Zeilen erreicht ist, wird die aktuelle Datenzeilenvariable auf 1 gesetzt.
  • In ähnlicher Weise zeigt eine Variable für die aktuelle Historienzeile auf die Zeile der Zielhistorienmatrix, welche für das nächste Bild, welches analysiert werden soll, verwendet werden soll, und die aktuelle Historienzeilenvariable wird für jedes analysierte Bild hochgezählt. Wenn die globale Variable für die maximale Anzahl von Historienzeilen erreicht ist, wird die aktuelle Historienzeilenvariable auf 1 gesetzt.
  • Wenn Ziele gezählt und in jedem Bild bezeichnet werden, werden die Elemente der Zielhistorienmatrix in dem korrespondierenden Element platziert. Beispielsweise hält Spalte 9 der Zielhistorienmatrix Daten über das Ziel mit allen Pixel, welche auf 9 über eine Zielnamenfunktion gesetzt sind, fest.
  • Eine weitere Bildanalysefunktion ist die der Registrierungsmarken, welche eine Angabe über eine Kamerabewegung liefert. Die Registrierungsmarkenfunktion scannt durch eine Geländekarte auf Ecken mit hohen Neigungsgraden und unterschiedlicher Neigungsrichtung gegenüber Ecken in benachbarten Geländekartenstrukturen.
  • Das Folgende ist eine weiter ins Detail gehende Beschreibung der weiteren Funktionen in der Bildanalyse-DLL, welche die Bilddaten manipuliert:
    • Vergeben eines Matrixspeichers: Eine Funktion zum Zuordnen eines Speichers für die Zieldatenmatrix und die Zielhistorienmatrix für die Größen, welche in den globalen Variablen für die maximale Anzahl von Zielen, Zieldatenzeilen und Zielhistorienzeilen spezifiziert ist. Man erinnere sich, dass die Zahl von Spalten für beide Matrizen immer gleich ist, jedoch die Zahl von Zeilen unterschiedlich sein kann. Die Zahl von Spalten wird in der DLL durch eine Konstante bestimmt und wird in der globalen Variablen für die Maximalzahl von Zielen eingesetzt.
    • Zuordnen eines Puffers: Eine Funktion zum Einschließen aller erforderlichen Codes, um einen Puffer mit spezifizierter Größe unter Verwendung eines spezifizierten Puffertyps anzuordnen.
    • Zuordnung eines Puffers für eine farbige Geländekarte: Eine Funktion zum Einkapseln des zur Zuordnung eines farbigen Geländekartenpuffers erforderlichen Codes. Pro Argument, welches Zeilen und Spalten abbildet, wird ein roher Puffer zugeordnet.
    • Zuordnen einer Liste für Registrierungsmarken: Eine Funktion, um einen Speicher zuzuordnen und einen Zeiger zu einer zweidimensionalen Matrix für die Registrierungsmarkenfunktion zurückzuführen. Der Typus der verwendeten Struktur wird durch eine globale Variable für die Anzahl von Bits pro Pixel bestimmt. Die Anzahl von Zeilen wird bestimmt durch eine globale Variable für die Anzahl von Markierungen, und die Anzahl von Spalten wird bestimmt durch eine globale Variable für die Anzahl von Elementen pro Markierung.
    • Zuordnen eines Puffers für eine Monogeländekarte: Ähnlich wie bei der Funktion zur Zuordnung eines Puffers für die farbige Geländekarte, wird eine Funktion zum Einkapseln des zum Zuordnen eines Puffers für eine Monochrome Geländekarte erforderlichen Codes verwendet.
    • Zielanalyse: Eine Hauptfunktion für die Zielanalyse, welche symbolische Daten für die Elemente der Zielhistorienmatrix, spezifiziert durch verschiedene Argumente, auswirft. Die Argumente gemäß dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung enthalten, sind hierauf jedoch nicht beschränkt, ob das Ziel: einen Kopf hat, groß ist, Arme hat, Beine hat, sich mit Geschwindigkeit bewegt, sich in einer besonderen Richtung bewegt, Räder hat, ein Fußgänger oder ein Fahrzeug ist, und wann sich das Ziel zuletzt bewegt hat.
  • Um festzustellen, ob das Ziel einen Kopf hat, wird der Prozentanteil des oberen 1/5 eines umhüllenden Rechtecks verglichen mit dem Prozentanteil des zweiten 1/5 des umhüllenden Rechtecks von oben. Wenn die Werte dieselben sind, hat das Ziel keinen Kopf. Wenn das oberste 1/5 kleiner als 25% des zweiten 1/5 ist, dann hat das Ziel einen Kopf.
  • Um festzustellen, ob das Ziel groß ist, wird aus der Höhe und Breite des Ziels ein Längen/Breitenverhältnis berechnet. Wenn das Längen/Breitenverhältnis 3/1 ist, dann ist das Ziel groß.
  • Gemäß 3 umfasst eine Bestimmung, ob das Ziel Arme hat, eine Reihe von Hüllrechtecken 48 um das Ziel 49. Die zweite und dritte Zeile von fünf Bereichen (von oben nach unten) eines umhüllenden Rechtecks wird verglichen mit der zweiten und dritten Zeile des umhüllenden Rechtecks des vorhergehenden Bildes des Ziels. Der Wert der Pixeländerung von dem aktuellen Bild zu den vorhergehenden Bild bestimmt, ob das Ziel einen Arm hat.
  • In ähnlicher Weise umfasst eine Bestimmung, ob das Ziel Beine hat, einen Vergleich der unteren 2/5 des aktuellen Umhüllungsrechtecks mit den oberen 2/5 des umhüllenden Rechtecks des zuvorgehenden Bildes des Ziels.
  • Die Geschwindigkeit wird bestimmt durch Messen der Geschwindigkeit in Breiten pro Sekunde und Höhen pro Sekunde von den Daten in der Zielhistorienmatrix.
  • Die Richtung des Ziels wird bestimmt durch einfaches Vergleichen der Änderung von Pixel zwischen dem letzten Bildes in dem das Ziel erkannt worden ist, und dem aktuellen Bild.
  • Ein Ziel wird als Fußgänger oder als Fahrzeug auf der Basis von vielen Faktoren klassifiziert, einschließlich dem Merkmal von Fußgängern im Vergleich zu Fahrzeugen. Das heißt, Fußgänger bewegen ihre Arme und Beine, wenn sie sich bewegen und Fahrzeuge behalten dieselbe Form bei, wenn sie sich bewegen. Andere Faktoren schließen das Höhen/Breitenverhältnis und die Glattheit ein. Zum Beispiel sind Fußgänger höher als Fahrzeuge, und Fahrzeuge sind glatter als Fußgänger. Um zu bestimmen, wann sich ein Ziel das letzte Mal bewegt hat, wird ein Grenzwert verwendet, um die Bewegung des Ziels zu vergleichen. Wenn sich das Ziel seit dem letzten Bild mehr bewegt hat, als der Grenzwert, dann wird eine globale Variable für die letzte Bewegung auf Null gesetzt. Wenn sich das Ziel nicht bewegt hat, dann wird die globale Variable hochgezählt.
  • Eine weitere Funktion besteht in dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung darin, zwei Ziele zu vergleichen, um eine Wahrscheinlichkeit zu bekommen, ob die Ziele in unterschiedlichen Bildern dasselbe Objekt sind. Die Argumente spezifizieren die Referenz und Testziele und unterstützen eine weitere Funktion, welche Ziele in benachbarten Bildern vergleicht, um individuelle Ziele zu verfolgen. Darüberhinaus können die Argumente auf Ziele in dem gleichen Bild oder auf Ziele in einer unbestimmten Anzahl von entfernten Bildern zeigen. Das Argument gibt eine prozentuale Wahrscheinlichkeit einer Übereinstimmung zurück, wobei ein Wert von 100% einer exakten Übereinstimmung Pixel pro Pixel entspricht.
  • Eine zusätzliche Funktion, welche eine Monogeländekarte vergleicht, wird ebenfalls eingesetzt, um eine Segmentierung durchzuführen, wie sie durch den Vergleich von zwei Geländekarten erforderlich ist. Eine Segmentierung ist erforderlich, um sich bewegende Objekte vom Hintergrund zu unterscheiden. Es werden auch Argumente eingesetzt, welche den Grenzwert im Unterschied zwischen den Höhen bestimmen, bevor ein 2×2 Kernel segmentiert wird, unabhängig von der Wahrscheinlichkeit anderer Geländemerkmale, und davon, wie stark unterschiedlich andere Geländemerkmale sein müssen, um ein 2×2 Kernel zu segmentieren, sogar wenn der Hintergrund und Testhöhen dieselben sind. Die absoluten Werte der Unterschiede der individuellen Geländemerkmale werden summiert und mit dem Argument verglichen, welches bestimmt, wie stark unterschiedlich die Geländemerkmale zu dem Segment sein müssen. Wenn fünf Werte in einer Testkarte ausreichend unterschiedlich von fünf Werten in einem Hintergrundpuffer sind, dann werden die zugeordneten Pixel in dem resultierenden Puffer auf 255 gesetzt, was heißt, dass der 2×2 Kernel segmentiert werden muss.
  • In ähnlicher Weise wird bei der vorliegenden Erfindung eine Funktion zum Vergleichen von farbigen Geländekarten ebenfalls erwägt. Das Argument führt eine Segmentierung durch, durch Vergleichen von zwei Geländekarten ähnlich wie das Argument, welches Monogeländekarten, wie zuvor beschrieben, vergleicht und schließt darüber hinaus eine Farbrichtung ein. Bei niedrigen Farbgraden wird der Richtung der Farbe ein Nullgewicht gegeben.
  • Zusätzliche Funktionen werden verwendet, um ein Wackeln der Kamera zu kompensieren. Versetzungen in Pixel werden bestimmt, um die Anzahl von Geländekartenstrukturen anzuzeigen, um welche die Rahmen voneinander versetzt sein müssen, um die Hintergründe wieder auszurichten.
  • Eine Funktion, welche Registrierungsmarkierungen bestätigt, scannt durch die Geländekarte, wobei sie Ecken sucht, welche von der Funktion gefunden wurden, welche Registrierungsmarken lokalisiert. Grundsätzlich werden Registrierungsmarken auf einem Hintergrundbild angeordnet und auf einem Testbild bestätigt. Wenn die Kamera sich nicht bewegt hat, werden sich die Markierungen an demselben Platz befinden. Wenn einige der Markierungen von Zielen in dem Testbild bedeckt sind, werden andere noch sichtbar sein, wenn eine ausreichende Anzahl erzeugt worden ist.
  • Wenn sich die Kamera bewegt hat, sucht die Funktion, welche die Registrierungsmarkierungen bestätigt, von dem Originalzustand in einem Spiralmuster nach außen nach dem neuen Ort der Ecken solange, bis die Ecke gefunden worden ist oder ein maximaler Grenzwert erreicht ist. Wenn eine oder mehrere Ecken, welche die gleichen Versetzungen haben, lokalisiert werden können, dass werden diese Versetzungen in den globalen Variablen für x- und y-Versetzungen eingesetzt, und die Anzahl von Ecken, welche bei solchen Versetzungen gefunden wurden, wird zurückgesetzt. Wenn keine der Ecken in der Liste lokalisiert werden kann, kehrt die Funktion auf den Wert Null zurück. Der Wert der globalen Variablen für eine x- und y-Versetzung, die zu der Richtung des aktuellen Puffers passen, muss eingestellt werden, um den Hintergrundpuffer nach dem Wackeln der Kamera auszurichten. Wenn zum Beispiel die x- und y-Versetzungen beide –3 betragen, dann muss der aktuelle Puffer um drei Pixel nach unten und nach links eingestellt werden, um den Rest des Bildes auszurichten.
  • Eine weitere Matrix enthält eine Liste von Registrierungsmarkierungen und ist eine zweidimensionale Matrix von Strukturen, wobei eine Zeile für jede Registrierungsmarkierung und eine Spalte für jede Geländekartenstruktur in der Markierung vorliegt. In Folge werden globale Variable für die Anzahl von Markierungen und die Elemente pro Markierung eingesetzt. Die Anzahl von Markierungen bestimmt die Anzahl von Registrierungsmarkierungen zur Bestätigung in der Geländekarte und ist das Quadrat einer ganzen Zahl. Die Elemente pro Markierung bestimmt die Anzahl von benachbarten Geländekartenstrukturen, um eine Registrierungsmarkierung zu definieren. Darüber hinaus wird die Größe der Geländekarte durch globale Größenvariablen bestimmt.
  • Noch eine weitere Funktion fragt Merkmale ab und liefert ein Mittel für den Abrufprozess, um herauszufinden, ob ein bestimmtes Merkmal gestützt ist, bevor es gerufen wird. Diese Funktion ist eine Schaltangabe, wobei jeder Fall ein unterstütztes Merk mal ist. Die Schaltangabe wird ausgeführt, wenn das Programm entwickelt wird, um solche Merkmalsnamen wie zum Beispiel:
    „Hat Arme"
    „Hat Beine"
    „Hat Kopf"
    „Ist Groß"
    „Prüfe Geschwindigkeit"
    „Prüfe Richtung"
    „Entferne Blendung"
    „Entferne Schatten"
    „Stopp Wackeln"
    „Prüfe Glattheit"
    „Klassifizierung Übereinstimmung"
    „Beurteile Übereinstimmung"
  • Ziele werden unter Verwendung einer Funktion, welche durch ein Bild scannt, welches in einen Binärzustand konvertiert (hervorgehoben) ist mit Gegenständen mit EIN benannt und Hintergrund mit AUS benannt. Verbundene Pixel werden in einem Ergebnispuffer benannt, wobei alle verbundenen Pixel in dem ersten Ziel auf 1 und in dem zweiten Ziel auf 2, und in ähnlicher Weise auf bis zu 255 Zielen gesetzt. Ziele mit weniger als einer Maximalanzahl von Pixel oder mehr als einer Maximalanzahl von Pixel oder weniger als eine Minimalhöhe oder weniger als eine Minimalbreite werden gelöscht. Die Zielbenennungsfunktion eliminiert Rauschen, verbindet jedoch Ziele nicht.
  • Registrierungsmarken werden, unter einer Verwendung einer Funktion lokalisiert, welche durch die Geländekarte des Arguments scannt, wobei sie nach Ecken sucht, welche durch einen hohen Neigungsgrad mit unterschiedlichen Neigungsrichtungen in benachbarten Geländekartenstrukturen angezeigt sind. Die Anzahl von Elementen pro Markierung ist ein Quadrat einer ganzen Zahl und so niedrig wie möglich, um freie Ecken zu finden. Jede Markierung besteht aus einem quadratischen Bereich der Karte, beispielsweise ist ein 3×3-Bereich für die Anzahl von Markierungsargu menten ist gleich mit neun Markierungen. Der Grenzwert für den Neigungsgrad und den Unterschied in der Neigungsrichtung wird durch Test bestimmt und mit einem festen Code versehen. Wie in 4 zu sehen ist, sind neun Registrierungsmarkierungen 50 in einem 3×3-Gitter hervorgehoben.
  • Für jede Registrierungsmarkierung 50, welche durch die Lokalisierungsfunktion gefunden wurde, werden die Werte der korrespondierenden Geländekartenstrukturen zu den Elementen der Matrix kopiert, welche eine Liste von Registrierungsmarkierungen hat und die zugeordnete Zeile und Spalte der Geländekarte wird in der Registrierungsmarkenstruktur eingeschlossen.
  • Eine Identifizierung von Zielübereinstimmungen mit anderen Rahmen, wird mit einer Funktion durchgeführt, welche die Schleife durch die Elemente der beiden Zeilen der Zieldatenmatrix steuert. Die Funktion sucht nach Übereinstimmungen mit dem nächsten Bild, von dem angenommen wird, dass es das letzte Bild ist, es könnte jedoch ein weiteres Bild jedes vorherige Bild sein. Jedes Ziel in dem neueren Bild wird auf eine Übereinstimmung mit jedem Ziel in dem älteren Bild geprüft, wobei ein zweistufiger Vergleich verwendet wird. Zuerst wird ein schneller Vergleich durchgeführt, um zu sehen, ob die beiden Ziele ähnlich sind, und wenn sie ähnlich sind, dann wird die Funktion, welche die Ziele vergleicht, aufgerufen. Es wird dann ein aktuelles Ergebnis generiert und verglichen mit einem Argument für das erforderliche Ergebnis, welches angibt, ob eine Übereinstimmung gefunden wurde.
  • Eine Funktion, welche den Hintergrund aufrecht erhält, ist vorgesehen, welche die Hintergrundbilddaten von den interessanten Zielen filtert. Grundsätzlich isoliert die Funktion den Hintergrund von sich bewegenden Zielen über Durchschnittsabschnitte von Rahmen, welche keine sich bewegende Ziele enthalten.
  • Wie zuvor erwähnt wurde, ist auch eine Funktion zum Erzeugen einer Monogeländekarte vorgesehen. Für jeden 2×2 Kernel von Pixel in dem Eingangspuffer wird eine Geländekarte mit sechs Bits von Daten ausgefüllt, welche die Verhältnisse der 16 Pixel in einen 4×4 Kernel, welcher den 2×2 Kernel umgibt, beschreiben. Wie in 5 gezeigt ist, werden in jedem Quadranten Quadranten wie Pixel nummeriert. Das Fol gende sind Elemente, welche in der MakeTerrainMapMono-Funktion Verwendung finden:
    • Durchschnittshöhe: Durchschnittswert der vier Pixel in der Mitte des 2×2 Kernel.
    • Neigungsgrad: Absolute Differenz in Prozent zwischen dem höchsten Durchschnittswert der vier 2×2 Quadranten in dem 4×4 Kernel und dem Quadranten mit dem niedrigsten Durchschnittswert.
    • Neigungsrichtung: Richtung der Neigung zwischen dem höchsten und dem niedrigsten Quadranten, welche verwendet wird, um den Neigungsgrad zu definieren. Die Richtung der Neigung wird bestimmt nach den Regeln gemäß 6. Die Werte sind 1/3 der Gradsumme um 120 Grad zu ermöglichen, sodass sie in vier Bits passen, wobei 360 Grad acht Bits benötigen würden.
    • Horizontale Glattheit: Ein Maß dafür, wie gleichmäßig die Pixeländerung in horizontaler Richtung von dem niedrigsten Pixel zu dem höchsten Pixel ist.
    • Vertikale Glattheit: Ein Maß dafür, wie regelmäßig die Pixeländerung in vertikaler Richtung von dem niedrigsten Pixel zu dem höchsten Pixel ist.
    • Zackigkeit/Rissigkeit (Jaggyness): Ein Maß dafür, wie oft eine Knotenverzerrung durch eine Bewegung zwischen den ungeraden und geraden Feldern des Bildes verursacht wurde.
  • Die sich ergebende Geländekarte wird in einer einzelnen Ebene von Strukturen in Zeilen/Spaltenordnung gespeichert. Der Strukturtyp ist eine Matrix für die Geländedaten und hat ein Element für jedes Geländemerkmal. Ein Puffer für den Geländekartenpuffer enthält eine GrößeX/2·GrößeY/2-Struktur und die Größe des Puffers ist eine GrößeX/2·Größe Y/2·Größe der Geländedaten. Das erste Element des Geländekartenpuffers enthält Daten für die ersten beiden Pixel in jeder der ersten beiden Zeilen des Eingangspuffers, welches der erste gefundene 2×2 Kernel ist. Der Geländekartenpuffer ist roh, und dementsprechend gibt es keine Kopfzeile und die Größe anzugeben, sodass die Funktion annimmt, dass die globalen Variablen GrößeX und GrößeY anwendungsgemäß an die Puffer geschickt wurden.
  • Da die Pixel des Bildpuffers der oberen, unteren, linken und rechten Grenze per definitionem nicht in der Mitte eines Kernel sein können, werden Daten von dem ersten Durchgang auf der ersten Zeile für die obersten zwei Pixel verwendet, nicht für die Pixel der Mitte. Der zweite Durchgang ist eine Zeile unterhalb des ersten Durchgangs, um die Pixel von Interesse in die Mitte des Kernel zu setzen. In Folge werden rohe Durchgänge um zwei hochgezählt, um die Vier-Pixel-Kernel von Interesse in der Mitte zu behalten bis zur unteren Zeile, in der der Hochzähler 1 ist, und der letzte Zeilendurchgang wird verwendet, um Daten für die beiden unteren Zeilen zu erhalten. Vom Eingangsabbildpuffer wird angenommen, dass er der erforderlichen Größe zugeordnet ist.
  • In ähnlicher Weise ist in den Analysearbeitern eine Funktion vorgesehen, um die farbige Geländekarte herzustellen. Für jeden 2×2 Kernel von Pixel in dem Eingangspuffer wird eine Geländekarte, sechs Bits von Daten ausgefüllt, welche die Verhältnisse jeder der drei Farben für die 16 Pixel in einem 4×4 Kernel, welcher den 2×2 Kernel umgibt, beschreiben. Quadranten und Pixel sind in der Funktion nummeriert, welche eine Monogeländekarte erzeugt. Die Farbkarte ist ähnlich zu drei Monokarten, mit identischen Elementen und zusätzlichen zwei Elementen für Farbrichtung und Farbgrad, wie im Folgenden in weiteren Einzelheiten beschrieben wird. Das Folgende sind Elemente, welche bei der Funktion verwendet werden, welche eine Farbgeländekarte erzeugen:
    • Durchschnittliche Höhe: Ein Durchschnittswert für die vier Pixel in der Mitte des 2×2 Kernel.
    • Neigungsgrad: Absoluter Unterschied in Prozent zwischen dem höchsten Durchschnittswert der vier 2×2 Quadranten in dem 4×4 Kernel und dem Quadranten mit dem niedrigsten Durchschnittswert.
    • Neigungsrichtung: Die Richtung der Neigung zwischen dem höchsten und dem niedrigsten Quadranten, wird verwendet, um den Neigungsgrad zu definieren. Die Neigungsrichtung wird bestimmt wie in 6 gezeigt ist, wobei die Werte 1/3 des Gradbereichs darstellen um 120 Grad zu ermöglichen, welche in vier Bits passen, wobei 360 Grad acht Bits erfordern.
    • Horizontale Glattheit: Ein Maß dafür, wie regelmäßig die Pixelveränderung in horizontaler Richtung von dem niedrigsten Pixel zu dem höchsten Pixel reicht.
    • Vertikale Glattheit: Ein Maß dafür, wie regelmäßig die Pixelveränderung in Vertikalrichtung von dem niedrigsten Pixel zu dem höchsten Pixel stattfindet.
    • Zackigkeit: Ein Maß dafür, wie oft eine Knotenverzerrung (Zackigkeit/Jaggyness) verursacht wurde durch eine Bewegung zwischen den ungeraden und geraden Feldern des Bildes.
    • Farbgrad: Ein Maß dafür, wie weit die Farbe von einem Grauwert abweicht. Der Farbgrad ist Null für vollständig weiß oder vollständig schwarz und 255 für jede andere vollständige Farbe.
    • Farbrichtung: Ein Maß für den Ton der Farbe. In einer Farbkarte aus dem Stand der Technik hat Gelb Null Grad und fortschreitend gegen den Uhrzeigersinn hat Rot 45 Grad, Magenta liegt bei 90 Grad, Blau hat 180 Grad und Grün liegt bei 270 Grad. Die Richtung wird intern als Null bis 127 gespeichert.
  • Farbraum
  • Die Bildanalyse aus dem Stand der Technik, welche eine Segmentation verwendet, auf der Basis von Farbunterschieden, erfordert eine Messung, wobei Zahlen, welche unterschiedliche Farben repräsentieren einen numerischen Unterschied haben, welcher proportional zu den erhaltenen Unterschieden zwischen den Farben ist. Rohe RGB-(Rot Grün Blau)Werte können für eine Segmentation nicht verwendet werden, da es drei Zahlen für jedes RGB-Set gibt und unterschiedliche Kombinationen für Rot, Grün und Blau gemischt werden, um dieselbe Farbe zu erzeugen.
  • RGB-Werte können verglichen werden, durch Kartierung beider RGB-Sätze im dreidimensionalen Raum, wobei die drei Achsen sind: Rot, Grün und Blau. Wie in 7 gezeigt ist, ist der Ursprung des Würfels, in dem alle Werte bei Null liegen, vollständig schwarz, und die diagonal gegenüberliegende Ecke, in der alle Werte bei 255 liegen, ist weiß. Die Linie zwischen der schwarzen Ecke und der weißen Ecke ist die neutrale Achse. Alle Grauwerte (von 0,0,0 bis 255, 255, 255) liegen auf der neutralen Achse.
  • Der Abstand von der neutralen Achse ist das Maß für die Farbsättigung. Auf der neutralen Achse sind R, G und B alle gleich, was zu einem Grauwert ohne Farbsättigung führt. An dem extremen Abstand von der neutralen Achse, (255, wie in 2 gezeigt ist), ist wenigstens ein Wert des RGB-Satzes Null und wenigstens ein Wert 255, was eine vollständig gesättigte Farbe ergibt.
  • Eine Winkelverschiebung von der neutralen Achse ist das Maß für die Schattierung. Gleiche Schattierungen sind definiert, als die Fläche, die sich durch die neutrale Achse und jeden Punkt auf der Oberfläche des Würfels ergibt. Gleiche Schattierungen korrespondieren mit der Vorstellung der „gleichen Farbe" unter verschiedenen Bedingungen. Die Bereiche am Nächsten zur neutralen Achse sind eher ausgewaschen oder pastellfarben und die Bereiche am Weitesten von der Achse entfernt sind mehr intensiv. Bereiche, am Nächsten zum schwarzen Ende der Achse werden empfunden wie unter gedimmtem Licht und Bereiche am nächsten zum weißen Ende werden empfunden wie unter strahlendem Licht.
  • Bei der Verwendung dieses RGB-Würfels für eine Segmentierung, liegen RGB-Sets, welche etwa die gleiche Winkelverschiebung von der neutralen Achse haben, bei der gleichen Farbe, und RGB-Sets, welche etwa im selben Abstand zur neutralen Achse liegen, haben annähernd die gleiche Sättigung. Dementsprechend sind die dreidimensionalen Berechnungen computertechnisch aufwändig und erzeugen mehr Ergebnisse als für die Segmentation durch Schattierung und Sättigung verwendet werden.
  • Im Gegenstand zum Stand der Technik, der einen Farbraum in drei Dimensionen berechnet, verwenden die Bildanalysetechniken der vorliegenden Erfindung nur zwei Dimensionen, nämlich Grün minus Rot und Blau minus Rot. Jede Achse ist skaliert von –255 bis +255. Da nur die Unterschiede aufgezeichnet werden, steht eine Position in der Aufzeichnung für jede Balance bei den Werten der Rot, Grün und Blau-Ergebnisse. Alle 256 Grauwerte in dem RGB-Würfel verbergen sich in einen einzelnen Punkt, an dem 0,0-Ursprung der Aufzeichnung. In ähnlicher Weise wird jede Linie in dem RGB-Würfel, welche gleiche Schattierung und gleiche Sättigung darstellt, reduziert auf einen einzelnen Punkt. Als Ergebnis der Aufzeichnung (oder Berechnung) nur der für eine Segmentierung interessanten Werte zeichnet dieser neue zweidimensionale Farbraum alle der 16,772,216 RGB-Kombinationen in nur 195,075 Stellungen auf.
  • In dem neuen Farbraum ist eine Farbrichtung äquivalent zur Schattierung und wird gemessen über die Winkelverschiebung um den Ursprungspunkt der Aufzeichnung. Ein Farbgrad ist äquivalent zur Sättigung und wird gemessen durch einen Abstand vom Ursprung. Es ist zu beachten, dass alle Grauwerte von vollständig schwarz bis vollständig weiß in der gleichen Position in dem Farbraum aufgezeichnet sind, nämlich dem Ursprung, wobei hier keine Farbinformation, für die Verwendung bei der Segmentierung vorliegt.
  • Wie in 8 gezeigt ist, werden zwei Punkte mit der gleichen Farbbalance aufgezeichnet, wobei Blau auf dem halben Weg zwischen Rot und Grün liegt. Grün minus Rot ist in einem Fall 100, in einem anderen Fall 200. Da beide Punkte dieselbe Farbbalance haben, werden sie in dieselbe Farbrichtung (27 Grad) gezeichnet. Da der Punkt, an dem Grün minus Rot bei 200 liegt, mehr Unterschiede in den RGB-Komponenten hat, hat er einen höheren Farbgrad (223 im Vergleich zu 111).
  • In dem Beispielfall von G – R = 100 und B – R = 50 gibt es 155 Helligkeitswerte, welche in dieselbe Position in dem Farbraum als Grünvarianten von 100 bis 255 gezeichnet sind. Alle diese Helligkeitswerte haben die gleiche Schattierung und Sättigung. Helligkeit wird im Farbraum einfach als (R + G + B)/3 behandelt.
  • In der in 9 gezeigten Farbkarte fallen die beiden Beispielpunkte auf eine Linie vom Ursprungspunkt zu einem Punkt am Umfang etwa auf halben Weg zwischen Cyan und Grün. Durch Nachprüfung kann man feststellen, dass jede Linie zwischen dem Ursprungspunkt und jedem Punkt am Umfang durch viele Sättigungswerte dergleichen Schattierung hindurch geht. Wenn sie für eine Farbsegmentierung eingesetzt wird, ergibt die relativ einfache 2D-Berechnung dasselbe Ergebnis, wie die berechnungstechnisch teuereren 3D-Berechnungen.
  • Eine weitere Funktion, welche in dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung ausgeführt wird, ist das Messen der Versetzung in Pixel zwischen den ungeraden und geraden Feldern für ein gegebenes Ziel, welches bereits aus einem Videobild segmentiert wurde. Ein umhüllendes Rechteck wird bestimmt, und eine Zielmaske wird erzeugt, wobei die Zielmaske der Eingangswert für diese Funktion ist. Eine zusätzliche Funktion bestimmt, ob ein zackiges oder rissiges Muster existiert. Wie in 10 gezeigt ist, ist die Zackigkeit angegeben, dort wo die Versetzung in Pixel verwendet wird, um zu bestimmen, wie schnell sich ein Ziel bewegt und die Richtung des Ziels, wobei ungerade und gerade Felder verglichen werden. Zwei Puffer werden zugeordnet und von der Zackigkeitsfunktion befreit, einer für die geraden Scannlinien und einer für die ungeraden Scannlinien. Die beiden Puffer sind Vorlagen, welche übereinstimmend geformt sind, um die beste Passung zu ergeben, und die erforderlichen Versetzungen sind in Argumentzeigern platziert.
  • Noch eine weitere Funktion der vorliegenden Erfindung entfernt Schatten und Blendung durch Verwendung des umhüllenden Rechtecks des Testbildes, welches durch die Argumentzeile und -spalte der Zieldatenmatrix gegeben ist. Das umhüllende Rechteck wird mit Kernel von 5×5 Pixel gescannt. Wenn alle Pixel in dem Kernel in dem segmentierten Puffer als Zielpixel markiert sind, werden sie getestet, um zu sehen, ob sie Schatten oder Blendwerte als eine Gruppe von 25 sind. Wenn der Kernel als Schatten oder Blendung eingestuft wird, werden alle 25 Pixel in dem segmentierten Bild auf Null gesetzt. Das Folgende ist der Test für Schatten oder Blendung: Die Differenzmatrix von 25 Elementen (Hintergrund-Test) muss vollständig, entweder positiv (Schatten) oder negativ (Blendung) sein. Der Differenzkernel (Hintergrund-Test) muss glatter sein, als die korrespondierenden 25 Pixel entweder im Hinter grund- oder im Testbild. Die Rauhheit wird durch Zufügen der Unterschiede von einem Pixel zu dem nächsten berechnet. Nach Berechnung der Rauheitszahl für den Test, Hintergrund und Differenzkernel muss die Differenz, damit sie als Schatten oder Blendung betrachtet wird, die niedrigste Rauhheits-(höchste Glattheits-)zahl haben. Das umhüllende Rechteck wird zurückgesetzt, wenn Pixel aus dem segmentierten Bild entfernt worden sind. Die Entfernung von Schatten- und Blendungsfunktion kann entweder mit Farb- oder mit monochromen Dateien verwendet werden, welche von den empfangenen Kopfzeilen abhängen.
  • Eine weitere Funktion scannt Ziele in benannten Bildern durch Zeilen und hebt Statistiken für jedes Ziel für jedes 1/5 der Höhe des Ziels auf für:
    • Glattheit: Für jedes in dem Ziel gescannte Pixel, wird das korrespondierende Pixel in dem Originalbild auf eine Veränderung im Vergleich zu den benachbarten Pixel geprüft. Wenn sich jedes Pixel in dem Originalbild von dem benachbarten Pixel unterscheidet, ist die Glattheit Null Prozent. Wenn alle Pixel in dem Originalbild denselbten Wert haben, beträgt die Glattheit 100 Prozent. Eine Glattheitszahl wird für jedes 1/5 der Höhe des Ziels festgehalten.
    • Prozentlücke: Zählt die Pixel des Hintergrunds, welche zwischen Abschnitten des Ziels liegen. Eine Zählung wird festgehalten für jedes 1/5 des umhüllenden Rechtecks von oben bis unten und wird verwendet, um das Vorliegen von Füßen oder Rädern zu eruieren. Wie in 11 gezeigt ist, zählt die Prozentlücke die Zahl der Pixel in dem schraffierten Bereich.
    • Prozentfüllgrad: Die Prozent des umhüllenden Rechtecks, welche benannte Pixel haben.
    • Prozent Zackigkeit/Rissigkeit: Prozentsatz der Geländekartenstrukturen des Ziels, welche eine Rissigkeit, Zackigkeit oberhalb eines Grenzwerts haben.
  • Während jedes Ziel gescannt wird, wird ein vollständig schwarzer Puffer gemäß der Größe des umhüllenden Rechecks angeordnet. Beim Scannen werden alle korres pondierenden Pixel von dem Originalbild übertragen, welche innerhalb der Randlinie der Zielmaske liegen. Im Ergebnis wird ein Bild von nur dem Ziel produziert, ohne den Hintergrund, wie in 12 gezeigt ist. Wenn das Originalbild farbig ist, werden nur die Helligkeitswerte (R + B + G/3) übertragen.
  • Jeder Schritt der Analysearbeiter 30 wird von dem Videosupervisor 32 als ein Objekt in einer Matrix behandelt. Es gibt keinen Vermittlergrenzwert für die Anzahl von Analysearbeitern 30, welche der Videosupervisor 32 handhaben kann. Der Videosupervisor 32 muss sich in derselben Maschine befinden wie die Analysearbeiter 30, da alle Analysearbeiter 30 an Bilddaten arbeiten, welche in einem gemeinsam genutzten Speicher durch den Videoarbeiter 34 platziert sind, welcher im selben Prozessraum wie der Supervisor 32 läuft.
  • Alle Kommunikationen zwischen dem Videosupervisor 32 und den Analysearbeitern 30 werden von den Eigenschaften, Methoden und Ereignissen der Analysearbeiter 30 gehandhabt. Zusätzliche Funktionen, Eigenschaften, Verfahren und Maßnahmen der Analysearbeiter können zu der MotionSentry.DLL hinzugefügt werden, um darüberhinaus die Bildanalysetechniken, wie sie zuvor beschrieben sind und Kommunikationen mit dem Videosupervisor, wie im Folgenden beschrieben werden wird, zu unterstützen.
  • Videosupervisor
  • Videosupervisor 32 Module sind ActiveX-DCOM-Komponenten, welche als Server für die Knotenmanager arbeiten. Es gibt einen Videosupervisor 32 für jeden Bildgreifer. Der Videoarbeiter 34 ist ein OCX-Regler, der im Videosupervisor 32 eingesteckt ist und im selben Verfahren arbeitet. Bei einem bekannten Ausführungsbeispiel werden die OCX-Regler speziell für eine Meteor II Bildgreiferkarte sein. Die Meteor II Bildgreiferkarte hat vier Kameraeingänge, welche mit dem gleichen Digitalisierer gebündelt sind. Das PCS-System ist so konfiguriert, dass die Bildgreiferkarten untereinander ausgetauscht werden können.
  • Der Videoarbeiter 34 hat vier aktuelle Bilder in einem mehrfach genutzten Speicher, eines für jede Kamera. Der Videosupervisor 32 behält die Spur, wenn Bilder verfüg bar sind und wenn die Analysearbeiter für ein weiteres Bild 30 bereit sind und orientieren den Verkehr entsprechend. Die Schnittstelle zwischen den Analysearbeitern 30 und dem Videosupervisor 32 ist auswählbar. Wenn die Meteor II Bildgreiferkarte ersetzt wird, muss nur die Regelung des Videoarbeiters 34 weiter entwickelt werden. Analysearbeiter 30 werden als Matrix von Objekten in dem Videosupervisor 32 behandelt. Es gibt keinen Vermittlergrenzwert für die Anzahl von Analysearbeitern 30, welche ein Videosupervisor 32 handhaben kann.
  • Der Videosupervisor 32 agiert als Server für den Knotenmanager 36. Alle Aufrufe an eine Bildgreifer-DLL werden vom Videoarbeiter 34 getätigt, welcher in dem Videosupervisor 32 steckt und laufen in demselben Adressenraum läuft. Alle Aufrufe um die Bildgreifer und die zugeordneten Videopuffer zu handhaben laufen durch die Bildgreifer-DLL. Im Ergebnis können unterschiedliche Bildgreiferkarten eingesetzt werden, wobei Änderungen nur in der DLL vorliegen.
  • Im Allgemeinen enthält die Bildgreifer-DLL Funktionen, welche Puffer für Videobilder zuordnen, den aktiven Kanal verändern, die Inhalte von einem Puffer zu einem andere kopieren, einen Bildspeicher zuordnen und freimachen, verfügbare Bilder besorgen, das nächste Videobild greifen, die Videokarte initialisieren und die Anfangskonfiguration und zugeordnete Steuereinstellungen festlegen.
  • Der Videosupervisor 32 koordiniert das Greifen von Bildern mit der Analyse von Bildern. Jeder Videosupervisor 32 steuert einen Bildgreifer mit einem oder mehreren eingesetzten Eingängen und so viele Instanzen von Analysearbeitern 30 wie Videoeingänge im Einsatz sind. Das Greifen von Bildern zwischen den Eingängen muss synchronisiert sein, aufgrund dessen, dass es nur einen Digitalisierer gibt. 13 zeigt die Greifer/Analysesynchronisation zwischen dem Videosupervisor 32 und dem Analysearbeiter 30. Die Analyse von Bildern kann asynchron betrieben werden, da unterschiedliche Ansichten mit unterschiedlichen Zielen unterschiedliche Verarbeitungszeit benötigen können.
  • Wenn die Verarbeitung begonnen wird, startet der Supervisor 32 eine Aktionsschleife, welche Bilder greift und Kanäle wechselt. Nur ein Thread ist zum Greifen verfüg bar. Wenn viele Bildgreifer in einem einzelnen Computer erforderlich sind, dann werden viele Vorgänge vom Videosupervisor 32 gestartet. Jeder Vorgang des Analysearbeiters 30 läuft in seinem eigenen Thread, da jeder ein getrennter Prozess ist. Kommunikation zwischen Analysearbeitern 30 und dem Videosupervisor 32 wird durch Setzen von Eigenschaften in dem Analysearbeiter 30 und asynchrone Rückrufe zum Videosupervisor 22 gehandhabt. Kommunikation zwischen den Greiferthreads und dem Prozessvorgang werden von globalen Matrizen gehandhabt, welche grundsätzlich angeboten werden, wenn ein Bild fertig ist, wenn ein Bild gewünscht wird und wenn Analysearbeiter 30 beschäftigt sind.
  • Jeder Vorgang des Videosupervisors 32 wird von einem Knotenmanager 36 als ein Objekt in einer Matrix gehandhabt. Es gibt keinen Vermittlergrenzwert für die Anzahl von Videosupervisoren 32, welche der Knotenmanager 36 handhaben kann. Der Videosupervisor 32 kann sich in derselben Maschine befinden wie der Knotenmanager 36, die Programmstruktur geht jedoch davon aus, dass er mit dem Netzwerk verbunden ist und nach DCOM-Standards kommuniziert.
  • Jede Kommunikation zwischen den Videosupervisor 32 und einem Knotenmanager 36 wird durch die Eigenschaften, Methoden und Vorgänge eines Super Control Class Moduls gehandhabt. Die Eigenschaften, enthalten im Allgemeinen Befehle, um Arbeiter zu starten, Arbeiter zu stoppen, den Prozessvorgang in Gang zu setzen, den Prozessvorgang anzuhalten und zu beenden. Korrespondierende Verfahren des Super-Control-Class Moduls fügen Objektreferenzen von dem Knotenmanager 36 für asynchrone Rückrufe hinzu und lassen solche fallen.
  • Rückrufe zu dem Videosupervisor 32 laufen über Eigenschaften und Verfahren eines Arbeiter-Report-Class-Moduls. Die Verfahren des Arbeiter-Report-Class-Moduls umfassen im Allgemeinen Regelungen für beschäftigte Blocks, um zu verifizieren, dass Analysearbeiter 30 online bleiben, nachdem sie keine Beschäftigung haben, und um dem Videosupervisor 32 mitzuteilen, wenn Analysearbeiter 30 bereit sind, das nächste Bild zu verarbeiten.
  • Zusätzliche Funktionen, Eigenschaften, Verfahren und Vorgänge des Videosupervisors 32 können an die Bildgreifer-DLL hinzugefügt werden, um die Bildgreiftechniken, wie sie zuvor beschrieben wurden und Kommunikationen mit anderen PCS Systemkomponenten zu unterstützen.
  • Videoarbeiter
  • Der Videoarbeiter 34 ist ein ActiveX-Regler (OCX), welcher in dem Videosupervisor 32 eingesteckt ist. Alle Anrufe an die C++ Funktionen in der Bildgreifer DLL werden in dem Videoarbeiter 34 deklariert und durchgeführt. Alle Kommunikationen zwischen dem Videosupervisor 32 und dem Videoarbeiter 34 laufen über ein begrenztes Set von hochwertigen Eigenschaften, Methoden und Vorgängen der ActiveX-Steuerung. Eigenschaften des Videoworkers 34 schließen im Allgemeinen Regelungen zum Bezeichnen von Speicherblocks, initialisieren die Videokarte, setzen den aktiven Kanal der Bildgreiferkarte oder spielen diesen zurück, führen Befehle aus, einschließlich jedoch nicht hierauf beschränkt folgende:
    • Clean Up/Aufräumen – Führt alle Aufräumoperationen wie beispielsweise Freimachen mehrfach genutzter Speicher und Abschalten des Bildgreifers durch.
    • Grab/Greifen – Setzt ein Greifen in Gang, wenn ein aktuelles Bild beendet ist.
    • Grab Frame to Share/Bildgreifen zur Mehrfachnutzung – Greift ein Bild und platziert es in dem mehrfach genutzten Speicher.
    • Grab and Show/Greifen und Zeigen – Greift ein Bild und zeigt es in einem Videoarbeiterformat.
    • Hide Video Form/Videoformat verbergen – Verbirgt das Videoarbeiterformat.
    • Show Video Form/Zeigen des Videoformats – Zeigt das Videoarbeiterformat.
    • Start Video – Initialisiert den Bildgreifer, ordnet fünf Bilder an und setzt Anfangsbedingungen.
  • Knotenmanager
  • Knotenmanager 36 sind ActiveX, DCOM-Komponenten, welche als Klienten für Videosupervisoren 32 arbeiten und als Server für den Vermittler 40 arbeiten. Der Hauptzweck der Knotenmanager 36 besteht darin, die Kommunikation von vielen Videosupervisoren 32 zu konzentrieren und den Gesamtverkehr, welchen der Vermittler 40 zu handhaben hat, zu vermindern. Es gibt einen Knotenmanager 36 für jedes Gestell von Computern mit Videosupervisoren 32. Knotenmanager 36 handhaben Videosupervisoren 32 als eine Matrix von Objekten. Es gibt keinen Vermittlungsgrenzwert für die Anzahl von Videosupervisorservern 32. Knotenmanager 36 berechnen Werte für Kameras auf der Basis von Vorgängen, welche von den Kameras gesehen werden und auch auf der Basis von Werten, welche von der GUI mit gesetzten Regeln festgelegt sind.
  • Set Rules GUI/Grafikschnittstelle mit gesetzten Regeln
  • Grafikschnittstellen mit gesetzten Regeln 38 sind ActiveX, DCOM-Komponenten, welche es ermöglichen, dass die Systemregeln geändert werden, welches Video welchem Monitor präsentiert wird. Die Systemregeln werden in der Regeldatenbank 41 gespeichert, wie in 2 gezeigt. Beispielsweise das Verändern der Verweilzeit für Szenen mit vielen Personen oder das Verändern der Bedienerkonsole zum Empfangen von Videos von einer Gruppe von Kameras in einer Parkstruktur.
  • Vermittler
  • Der Vermittler 40 ist der Klient für den Knotenmanager 36. Der Vermittler 40 empfängt Daten von den Knotenmanagern 36 darüber, welche Aktivitäten in dem System laufen und liest die Datenbank betreffend den Umstand, welche Aktivität an welchem Monitor gezeigt werden soll. Konflikte zwischen verfügbaren Monitoren und anhängige Aktivität werden auf der Basis von Prioritätsregeln vermittelt, und Kameras werden auf der Basis von Zuordnungsregeln von den Konsolen zu der Gruppe aufgerufen.
  • Zusätzliche Systemkomponenten
  • Gemäß 14 schließt zusätzliche Hardware über die Standard CCTV-Systeme hinaus eine Videoaktivitätsprozessor CPU ein, mit einem Bildgreifer für jeweils vier Kameras, einen Knotenmanagercomputer für jeden Computerort und einen Anschluss an das Local Area Network für jeden der Videoaktivitätsprozessoren und Knotenmanagerprozessoren. Der Vermittlerprozessor partizipiert an dem Mastercomputer des CCTV-Systems, und eine Kopie der Set Rules GUI liegt auf der GUI Arbeitsstation in jeder der drei CCTV-Konsolen.
  • Gemäß den Raumbeschränkungen für neue Systeme und sofern möglich, aufgrund des verfügbaren Raumes können die Videoactivityprozessoren konventionell in Gehäuse montierte Prozessoren sein. Für diese Prozessoren kann das System Prozessoren der PentiumTM-Klasse verwenden, welche von der Intel Corporation erhältlich sind oder andere plattenmontierte Prozessoren mit hoher Performance einsetzen, wobei jeder wenigstens acht Videokameras bedienen kann, das heißt, die Aufnahme von Videoausgängen für solche Kameras steuern kann. Beispielsweise kann ein System mit Prozessoren zum Bedienen von 197 Kameras unter Verwendung von Dual On-Board-Prozessoren 26 Prozessoren erforderlich machen, welche, wenn sie Gehäuse montiert sind 7 Zoll in der Höhe haben und 182 Zoll Gehäuseraum (etwa 3 volle Gehäuse) erfordern und muss einen Monitor aufweisen.
  • Bei einer mehr verdichtet konfigurierten Installation können die Videoactivityprozessoren statt dessen im Handel erhältliche Einzelboardcomputer („SBC") sein, wie bisher bei industriellen Anwendungen eingesetzt, sodass beispielsweise acht Computer in einem Chassis 32 Kameras bedienen können. Andere zweckmäßige Prozessorkonfigurationen und -typen, entweder unter Verwendung von Complex Instruktion Sets (CIS) oder Reduced Instructions Sets (RISC) Software können eingesetzt werden.
  • Das Schnittstellen-PCS-System 10 für ein CCTV-Subsystem 12 wird ausgeführt von einem einzelnen Prozessor, welcher eine Computerschnittstelle mit einem anderen bereits existierenden CCTV-System bildet, und ein SentryConnector wird verwendet, um einen Vermittler 40 mit einem Portserver eines CCTV-Subsystems 12 zu verbin den. Auf diese Weise werden, wie 2 zeigt, Verbindungen geschaffen zwischen jeder der vier CCTV-Kameras 14 und dem Videoarbeitermodul 34, welche wiederum mit dem Videosupervisor 32 verbunden ist, welcher selbst mit einem Knotenmanager 36 in Verbindung steht.
  • CCTV-Garagenkameras 14 sind nur typisch für mögliche viele Videokameras von Überwachungssystemen des CCTV-Subsystems 12. Hierbei können zum Beispiel, wie im vorhergehenden Beispiel angegeben, Hunderte von Kameras vorliegen. Da das neue System insbesondere zur Verwendung in CCTV-Systemen im großen Maßstab gut geeignet ist, welche durch Hunderte von Videokameras gekennzeichnet sind, kann es ebenso in CCTV-Systemen im kleineren Maßstab verwendet werden, welche wesentlich weniger Videokameras haben, wo jedoch eine elektronische Analyse und Supervision zur Steuerung der Kameravideopräsentation muss über ein PCS-System 10 ausgeführt werden.
  • Videosignale, welche die Ansicht jeder der CCTV-Garagenkameras 14 (sowie andere Videokameras des Systems) repräsentieren, werden auch an das CCTV-System 12 geliefert und werden auf diese Weise an CCTV-Schalter 16 geliefert werden, welche so dargestellt sind, dass sie mit Videos von anderen Kameras gespeist werden als denen, als welche gezeigt sind. Es ist zu beachten, dass Videoausgänge von allen Videokameras an das PCS-System und an das CCTV-Subsystem 12 simultan geliefert werden.
  • Der Begriff PCS-System wurde bei der Beschreibung der vorliegenden Erfindung willkürlich gewählt, es können jedoch auch andere Bezeichnungen verwendet werden. Indem Computer zum Pre-Screening der Kameras eingesetzt werden, werden nur Bilder mit Vorkommnissen, welche für die Bedienungspersonen von Interesse sind, für die Call-up Monitore ausgewählt.
  • System-Betrieb
  • Die Computerschnittstelle zwischen den beiden Systemen, das heißt, dem PCS-System 10 und dem CCTV-Subsystem 12 funktioniert gemäß 2 auf folgende Weise: das PCS-System 10 verlangt einen Kameraanruf an einen der Eingänge des Vierfachverteilers 26, welcher unterhalb der GUI-Arbeitsstation 24 gezeigt ist. (Der Schnittstellenpfeil zeigt nach unten)
  • Eine Bildanalyse von dem PCS-System 10 hängt nicht davon ab, ob das CCTV-Umschaltsystem zum Pre-Screening der Kameras geeignet ist, da das Kameravideo an beide Systeme unabhängig geliefert wird. Das CCTV-Umschaltsystem hängt nicht davon ab, dass das PCS-System 10 ein Video an die vier Quad-Monitore (16 Bilder) präsentiert, welche im unteren Bereich der Bedienerkonsole 20 gezeigt sind.
  • Da das CCTV-Subsystem 12 sogar ohne das PCS-System 10 konventionell funktionieren kann, wenn das CCTV-Subsystem 12 für Normalbetrieb konfiguriert und getestet ist, kann die Schnittstelle zwischen dem Vermittler 40 und dem GSIS-Portserver aktiviert werden, um den Betrieb des PCS-Systems 10 zu testen. Wenn das CCTV-Umschaltsystem in Betrieb ist und das PCS 10 System in Betrieb ist, erzeugen die automatischen Videoanrufe an die Videokameras, wie solche, welche für eine Garagenüberwachung verwendet werden, Kamerabilder, welche auf den Quad-Monitoren, welche in einem Videoeingang für die GUI Arbeitsstation 24 gezeigt sind, dargestellt werden.
  • Das PCS-System 10 liefert eine Videobildanalyse, um den Personalbedarf zu verringern und (aufgrund der reduzierten Langeweile), die Sicherheit von Gebäuden, wie beispielsweise Garagen in denen das neue System installiert ist, zu steigern. Das PCS-System 10 arbeitet auf Softwarebasis mit der Fähigkeit einer Bildanalyse, um zu ermöglichen, dass Personen von Fahrzeugen unterschieden werden können. Mit dem Wissen in dem System darüber, wo jede Kamera angeordnet ist, und welchen Vorgang die Kamera sieht, sind die Anrufe auf einem Satz von Prioritätsregeln gegründet. Beispielsweise können diese Regeln einen Betrieb für ein Überwachungssystem der vorliegenden Erfindung, wenn es in einem Garagenkomplex installiert ist, einrichten wie folgt:
    Jeder Kamera wird eine Kennung für einen Ort zugeordnet, um eine Auswahl von Kameras für eine bestimmte Konsole zu ermöglichen, auf der Basis der Garage, in der sie montiert ist.
  • Jeder Kamera wird eine logische Typengruppe, wie zum Beispiel ruhiger Durchgang, Einfahrtsbereich oder Liftlobby zugeordnet.
  • Vorgangsprioritäten, wie beispielsweise folgende Situationen werden jeder logischen Gruppe zugeordnet:
    • Zwei oder mehr Personen zu sehen, welche von unterschiedlichen Ausgangspunkten aufeinander zugehen.
    • Eine oder mehr Personen zu sehen, welche sich schneller als normal bewegen.
    • Zwei oder mehr Personen zu sehen, welche nicht aufeinander zugehen.
    • Eine Person, welche alleine geht.
  • Bei Verwendung einer Kombination von Ortskennungen und logischen Gruppen, können die Kameraaufrufe an jeder Konsole angepasst werden, um eine Bedienerbelastung zu regeln. Garagen können während der Tageszeit einzelnen Konsolen zugeordnet sein, während den Nachtstunden können jedoch alle Garagen einer einzigen Konsole zugeordnet werden. Fahrzeuge, wie zum Beispiel Autos können normalerweise während einiger Betriebsstunden ignoriert werden, jedoch während einer Schicht, welche besonders langweilig aufgrund des Fehlens von Videoschirmaktivität, können Fahrzeuge der Prioritätsliste hinzugefügt werden, um die Frequenz von Monitoranrufen zu steigern.
  • Eine Set Rules GUI 38 kann in jeder Bedienerkonsole 20 integriert sein, um ein Setzen der Regeln für den Kameraanruf zu ermöglichen. Vorzugsweise wird ein Zugang an die Set Rules GUI (Graphikschnittstelle zum Setzen von Regeln) 38 einer Passwortsicherung unterworfen.
  • Zusätzliche Anrufvorgänge können für das PCS-System 10 vorgesehen und als Upgrades geliefert werden. Wenn eine Information von einer Bildanalyse verfügbar ist, können andere stärker einbezogene Anlässe verfügbar sein, einschließlich Situationen, wie zum Beispiel:
    • Eine Person ist gefallen.
    • Eine Person irrt umher, wie es vorkommen kann, wenn Fahrzeuge „eingeschlossen" oder verlorengegangen sind.
    • Eine Person braucht zu lange, um in ein Fahrzeug einzusteigen, was einen Aufwand für einen Einbruch darstellen kann.
    • Ein Fahrzeug bewegt sich schneller als ein voreingestellter Prozentsatz (zum Beispiel 95%) gegenüber anderen Fahrzeugen in derselben Kameraansicht, während eines kaum vergangenen Zeitintervalls.
  • Jede Bedienerkonsole 20 hat vorzugsweise einen Anrufmonitor mit vier dargestellten Kameras. Eine kleine „Thumbnail"-Version der vier Kamerabilder ist in einer GUI-Arbeitsstation 24 abgebildet. Kameraanrufe verlaufen automatisch. Jedes ausgewählte Kamerabild bleibt für eine Verweilzeitdauer, welche von der Bedienungsperson ausgewählt und in die Regeln eingegeben ist, auf der Konsole. Wenn eine Bedinungsperson es wünscht, sich eine spezifische Kameraansicht länger anzusehen, wird ein Klick auf den Quadranten des Thumpnail-Bildes auf der GUI-Arbeitsstation 24 veranlassen, dass die ausgewählte Kamera auf einen anderen größeren Monitor umgeschaltet wird. Beispielsweise kann eine Bedienungsperson die Ansicht zweier laufender Personen zur Anzeige auf den großen Monitor auswählen.
  • Aufnehmen von empfindlichen Inhalten
  • Da das vorliegende System eine innere Kenntnis des symbolischen Inhalts des Videos von diesen Kameras hat, ist es möglich einen höheren Kompressionsgrad durch Speichern nur solcher Ziele in einem solchen Video zu erreichen, welche einen höheren Grad an Interesse bieten (zum Beispiel Personen gegenüber Fahrzeugen). Bei dem Ausführungsbeispiel des vorliegenden Systems ist eine Videospeicherung auf der Basis symbolischer Vereinbarungen geregelt, wie zum Beispiel:
    • Sichere den Hintergrund nur einmal pro Minute bei einer 50:1 Kompression (unscharf, jedoch brauchbar).
    • Sichere Bilder von Autos mit einem 50:1 Kompressionsverhältnis (unscharf, jedoch verwendbar).
    • Sichere Bilder von Personen mit einem Kompressionsfaktor von 20:1 (gutes, klares Bild).
  • Bei einem Wiederabspielen werden die Bilder von Autos und Personen, in der Position, in der sie aufgenommen wurden vor den Hintergrund gesetzt.
  • Die Erfordernisse der Systemspeicherung hängen von der Aktivität an dem Schauplatz ab. Als Beispiel für eine typische Kamera in einem ruhigen Bereich einer Garage kann ein Auto zehn Prozent der Zeit im Visier stehen und eine Person im Bild zehn Prozent der Zeit im Visier stehen. Die Durchschnittliche Größe einer Person oder eines Fahrzeugs auf der Szene beträgt typischerweise ein Viertel einer Bildhöhe und ein Viertel einer Bildbreite.
  • Für dieses Beispiel ergibt das Speichern von Videodaten von Autos und Personen auf fünf Bildern pro Sekunde:
    • Hintergrund: 3·320·240·60·1/50 = 276.480 Bytes/Stunde
    • Autos: 3·80·60·5·60·60·1/10·1/50 = 518.400 Bytes/Stunde
    • Personen: 3·80·60·5·60·60·1/10·1/20 = 1.296.000 Bytes/Stunde
    • Gesamtspeicherung: 2.090.880 Bytes/Stunde (2.04 MB/Stunde)
  • Bei diesem Beispiel ist ein Video von Personen von größerem Interesse, als ein Video von Fahrzeugen. Ein Speicherbedarf ist reduziert um den Faktor 39 (verglichen mit 78 MB/Stunde) und damit besser als eine konventionelle Kompression, während für Bilder von Personen eine geringere Videokompression erforderlich ist und auf diese Weise eine bessere Abspielauflösung geschaffen wird.
  • Aufgrund der vorhergehenden Beschreibung der vorliegenden Erfindung und praktischen Ausführungsbeispiele ist zu erkennen, dass die verschiedenen Objekte der Erfindung erreicht werden und andere Vorteile erlangt werden. Die Ausführungsformen und die Beispiele wurde ausgewählt und beschrieben, um die Prinzipien der Erfindung und ihre praktische Anwendung optimal zu erklären, um hierdurch den Fachmann in den Stand zu versetzen, die Erfindung in verschiedenen Ausführungsformen und mit verschiedenen Modifikationen, wie sie zu den einzelnen, diskutierten Einsatzfällen gehören, optimal zu nutzen.
  • Da bei den Konstruktionen und Verfahren, welche hierin beschrieben und illustriert wurden, ohne vom Schutzbereich der Erfindung abzuweichen, viele verschiedene Modifikationen gemacht werden können, wird beabsichtigt das jede Information, welche in der vorhergehenden Beschreibung enthalten oder in den beiliegenden Zeichnungen gezeigt ist, eher als erläuternd denn als beschränkend zu interpretieren ist.
  • Die Breite und der Schutzbereich der vorliegenden Erfindung sollen nicht durch irgendeine zuvor beschriebene beispielhafte Ausführungsform beschränkt sein, sondern nur im Zusammenhang mit den Ansprüchen der Anmeldung definiert sein.

Claims (18)

  1. Verfahren zur Realzeitanalyse von Videobilddaten zum Identifizieren wenigstens eines Ereignisses, welches das Vorhandensein eines Zieles oder eine Veränderung bei einem Ziel in einem Bereich der Videobilddaten unter Verwendung einer Geländekarte genannten Datenstruktur definiert, wobei die Geländekarte charakteristische Informationen über den Inhalt des Bereichs der Videobilddaten darstellt, wobei das Verfahren folgende Schritte aufweist: (a) Durchführen wenigstens einer Durchsicht durch den Bereich der Videobilddaten und Erzeugen einer korrespondierenden Geländekarte für jede Pixelgruppe als Quadrant eines größeren Kernels, wobei jede Geländekarte wenigstens eine Anzahl von Bytes von Daten aufweist, welche das Verhältnis der Pixelgruppe in einem bestimmten Quadranten mit einer entsprechenden umgebenden Gruppe von Pixeln in dem größeren Kernel beschreibt, wobei die wenigstens eine Anzahl von Bytes von Daten für jede Geländekarte aufweist: (i) einen Parameter für die durchschnittliche Höhe, welcher einen Durchschnittswert einer Vielzahl von Pixeln in einer Mitte des größeren Kernels darstellt, (ii) einen Parameter für den Grad einer Steigung, welcher eine absolute Differenz zwischen den berechneten Durchschnittshöhen eines Quadranten mit einem höchsten Durchschnittswert und eines Quadranten mit einem niedrigstem Durchschnittswert in dem größeren Kernel darstellt, (iii) einen Parameter für die Richtung einer Steigung, welcher eine Richtung der Steigung zwischen dem Quadranten mit dem höchsten Durchschnittswert und dem Quadranten mit dem niedrigsten Durchschnittswert darstellt, (iv) einen Parameter für die horizontale Glattheit, welcher darstellt, wie gleichmäßig sich Pixel in dem größeren Kernel in einer horizontalen Richtung ändern, (v) einen Parameter für die vertikale Glattheit, welcher darstellt, wie gleichmäßig sich Pixel in dem größeren Kernel in einer vertikalen Richtung ändern und (vi) einen Parameter für die Gezacktheit, welcher ein Maß für eine Versetzung von Pixeln in dem größeren Kernel zwischen geraden und ungeraden Feldern für ein Ziel darstellt, welches aus dem Bereich der Videobilddaten segmentiert ist.
  2. Verfahren nach Anspruch 1, wobei jede Geländekarte eine farbige Geländekarte ist, welche charakteristische Informationen über den Inhalt des Bereichs der Videobilddaten definiert und aus wenigstens einer Anzahl von Bytes von Daten besteht, welche das Verhältnis der Farben der Pixel in dem größeren Kernel weiter beschreiben, wobei die wenigstens eine Anzahl von Bytes von Daten für jede Geländekarte weiterhin aufweist: (vii) einen Parameter für einen Farbgrad, welcher darstellt, wie weit jede Farbe von der Grauskala entfernt liegt.
  3. Verfahren nach Anspruch 2, wobei die wenigstens eine Anzahl von Bytes von Daten für jede Geländekarte weiterhin aufweist: (viii) einen Parameter für die Farbrichtung, welcher den Farbton der Farben darstellt, wobei eine zweidimensionale Farbanalyse verwendet wird.
  4. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Geländekarte auch verwendet wird, um einen Fußgänger und ein Fahrzeug, welche in dem Bereich der Videobilddaten vorhanden sein können zu identifizieren und dazwischen zu unterscheiden, auf der Basis von charakteristischen Unterschieden bei der Bewegung des Fußgängers und des Fahrzeugs, was zu Unterschieden in ihren entsprechenden Geländekartenparametern führt.
  5. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Realzeitanalyse eine Funktion zum Aufrechterhalten eines Hintergrunds aufweist, bei der ein Hintergrund eines sich bewegenden Ziels in dem Bereich der Videobilddaten durch Mitteln eines Bereichs der Videobilddaten, welche das sich bewegende Ziel nicht enthalten isoliert wird, und wobei das sich bewegende Ziel weiterhin analysiert wird, um zu bestimmen, ob das sich bewegende Ziel ein Fußgänger oder ein Fahrzeug ist.
  6. Verfahren nach einem der vorhergehenden Ansprüche, wobei das wenigstens eine Ereignis eines oder mehrere der folgenden umfasst: das Vorhandensein einer einzelnen Person, das Vorhandensein von mehreren Personen, eine schnelle Person, eine gefallene Person, eine herumschleichende Person, eine umherirrende Person, sich nähernde Personen, das Vorhandensein eines einzelnen Fahrzeugs, das Vorhandensein von mehreren Fahrzeugen, ein schnelles Fahrzeug, oder ein Fahrzeug, welches plötzlich angehalten hat.
  7. Verfahren nach einem der vorhergehenden Ansprüche, wobei jeder Quadrant des größeren Kernels eine Gruppe zusammenhängender Pixel, welche in einem 2×2 Feld angeordnet sind umfasst und wobei der größere Kernel eine Gruppe von zusammenhängenden Pixel, welche in einem 4×4 Feld angeordnet sind, aufweist.
  8. Verfahren nach einem der vorhergehenden Ansprüche, mit folgenden weiteren Schritten: Durchführen einer Segmentierungsfunktion in jedem Quadranten des größeren Kernels, um sich bewegende Gegenstände von einem Hintergrund zu unterscheiden, wobei die Segmentierungsfunktion ausgeführt wird durch: Messen individueller Geländemerkmale einer Geländekarte jedes der Quadranten und korrespondierender Geländemerkmale einer Referenzgeländekarte, welche den Hintergrund darstellt, Summieren absoluter Differenzwerte der individuellen Geländemerkmale relativ zu den Merkmalen der Referenzgeländekarten, und Segmentieren des größeren Kernels in einen Vordergrund und einen Hintergrund, wenn die sich ergebende Summe einen ausreichenden Unterschied zwischen den beiden Geländekarten angibt, wobei ein solcher Unterschied auf einem Vergleich mit einem vorbestimmten Grenzwert begründet wird.
  9. Verfahren nach Anspruch 8 gemäß Anspruch 2 oder Anspruch 3, mit folgenden weiteren Schritten: Durchführen der Segmentierungsfunktion auf jedem Quadranten des größeren Kernels durch Vergleichen zweier Farbgeländekarten.
  10. Verfahren nach Anspruch 8 oder Anspruch 9, wobei jedes der segmentierten Vordergrundobjekte in ein Fußgänger- oder ein Fahrzeugziel, auf der Basis einer Zielanalyse, welche eine stückweise Analyse der Ziele in einer einzelnen Geländekarte umfasst, klassifiziert wird.
  11. Verfahren nach Anspruch 10, wobei eine Zielanalyse eine Bewegung des Ziels auf der Basis von Veränderungen von Zieleigenschaften über vielfache Bereiche rechtzeitig bewertet, um Ereignisse wie beispielsweise eine gefallene Person oder ein angehaltenes Auto zu melden, wobei die Eigenschaften Bildseitenverhältnis und Geschwindigkeit umfassen.
  12. Computersystem (10) für automatisches Testen von Überwachungskameras (14), wobei das Computersystem (10) in Kontakt mit einer Vielzahl von Videokameras (14) steht und Realzeitbildanalysekomponenten aufweist, wobei Videobilddaten der Videokameras (14) durch die Bildanalysekomponenten analysiert werden, um wenigstens ein Ereignis zu identifizieren, welches das Vor handensein eines Ziels oder eine Veränderung bei einem Ziel in einem Bereich der Videobilddaten unter Verwendung einer Geländekarte genannten Datenstruktur definiert, wobei die Geländekarte charakteristische Informationen über den Inhalt des Bereichs der Videobilddaten darstellt, wobei das Computersystem (10) folgende Merkmale aufweist: (a) eine Einrichtung zum Durchführen wenigstens eines Durchgangs durch den Bereich der Videobilddaten, (b) eine Einrichtung zum Erzeugen einer korrespondierenden Geländekarte für jede Pixelgruppe als ein Quadrant eines größeren Kernels aus dem Bereich der Videobilddaten, wobei jede Geländekarte wenigstens eine Anzahl von Bytes von Daten, welche das Verhältnis der Gruppe von Pixeln in einem besonderen Quadranten zu einer entsprechenden umgebenen Gruppe von Pixeln, innerhalb des größeren Kernels beschreibt, aufweist, wobei die wenigstens eine Anzahl von Bytes von Daten für jede Geländekarte aufweist: (i) einen Parameter für die Durchschnittshöhe, welcher einen Durchschnittswert einer Vielzahl von Pixeln in einer Mitte des größeren Kernels darstellt, (ii) einen Parameter für die Neigung, welcher eine absolute Differenz zwischen den berechneten Durchschnittshöhen eines Quadranten mit einem höchsten Durchschnittswert und eines Quadranten mit einem niedrigsten Durchschnittswert in dem größeren Kernel darstellt, (iii) einen Parameter für die Steigungsrichtung, welcher eine Richtung der Steigung zwischen dem Quadranten mit dem höchsten Durchschnittswert und dem Quadranten mit dem niedrigsten Durchschnittswert darstellt, (iv) einen Parameter für die horizontale Glätte, welcher darstellt, wie gleichmäßig sich Pixel in dem größeren Kernel in einer horizontalen Richtung ändern, (v) einen Parameter für die vertikale Glätte, welcher darstellt, wie gleichmäßig sich Pixel in dem größeren Kernel in einer vertikalen Richtung ändern und (vi) einen Parameter für die Gezacktheit, welcher ein Maß für eine Versetzung von Pixeln in dem größeren Kernel zwischen geraden und ungeraden Feldern für ein Ziel darstellt, welches es aus den Bereich der Videobilddaten segmentiert ist, darstellt, und (c) eine Einrichtung für ein selektives Präsentieren des Bereichs der Videobilddaten für eine Bedienungsperson für eine Sicherheitsüberwachung für den Fall, dass das Vorhandensein des Ziels oder eine Veränderung des Ziels in dem Bereich der Videobilddaten identifiziert wird.
  13. Computersystem (10) nach Anspruch 12, wobei das Computersystem (10) weiter aufweist: wenigstens einen Videobearbeiter (34), wobei der Videobearbeiter (34) Videobilddaten von den Sicherheitskameras (14) erfasst, wenigstens einen Analysebearbeiter (30), wobei der Analysebearbeiter (30) die Videobilddaten von dem Videobearbeiter (34) empfängt und auf den Videobilddaten eine Bildanalyse durchführt, wenigstens einen Supervisor (32), wobei der Videosupervisor (32) den Empfang der Videobilddaten des Analysebearbeiters (30) von dem Videobearbeiter (34) kontrolliert, wenigstens einen Knotenmanager (36), wobei der Knotenmanager (36) die Videobilddaten von dem Videobearbeiter (34) empfängt, einen Satz für Regeln für ein graphisches User Interface (GUI) (38), wobei das GUI (38) eine Schnittstelle für das Computersystem (10) schafft, um eine gewünschte Konfiguration der Daten für das Computersystem (10) zu liefern, und einen Systemschiedsrichter (40), wobei der Systemschiedsrichter (40) die Videobilddaten von dem Knotenmanager (36) und in Kommunikation mit den Satzregeln GUI (38) erhält, wobei der Schiedsrichter (40) die Videobilddaten zum Zweck der Sicherheitsüberwachung auswahlweise an eine Bedienungsperson sendet.
  14. Computersystem (10) nach Anspruch 13, wobei die Analysearbeit (30) weiterhin eine Bibliothek von Funktionen aufweist, wobei die Funktionen die Videobilddaten manipulieren.
  15. Computersystem (10) nach Anspruch 14, wobei die Funktionen weiter aufweisen: Farbraumberechnungen, wobei die Farbraumberechnungen aufweisen: einen Parameter für den Farbgrad, welcher darstellt, wie weit eine Farbe von einer Grauskala entfernt liegt, und einen Parameter für die Farbrichtung, welcher den Farbton einer Farbe auf der Basis einer zweidimensionalen Farbanalyse darstellt.
  16. Computersystem (10) nach einem der Ansprüche 12 bis 15, wobei das Computersystem (10) weiterhin aufweist: einen Schwenk-Neige-Zoom-Regler zur manuellen Steuerung der Sicherheitskameras (14) durch die Bedienungsperson.
  17. Computersystem (10) nach einem der Ansprüche 12 bis 16, wobei das Computersystem (10) weiter aufweist: eine Bedienerkonsole (24), wobei die Bedienerkonsole (24) eine Vielzahl von Videomonitoren aufweist, einen Zentralschalter (18), welcher den Input der Sicherheitskameras (14) empfängt, und wenigstens einen Vierfach-Splitter (26), wobei der Vierfach-Splitter (26) die Videobilddaten von dem Zentralschalter (18) empfängt und vielfache Videoszenen zu einem der Videomonitore sendet.
  18. Computersystem (10) nach einem der Ansprüche 12 bis 17, wobei jeder Quadrant des größeren Kernels eine Gruppe von zusammenhängenden Pixeln, welche in einem 2×2 Feld angeordnet sind aufweist, und wobei der größere Kernel eine Gruppe von zusammenhängenden Pixeln, welche in einem 4×4 Feld angeordnet sind, aufweist.
DE60131840T 2000-02-04 2001-02-05 System zum automatischen testen von überwachungskameras Expired - Lifetime DE60131840T2 (de)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US18032300P 2000-02-04 2000-02-04
US180323P 2000-02-04
US09/773,475 US6940998B2 (en) 2000-02-04 2001-02-01 System for automated screening of security cameras
US773475 2001-02-02
PCT/US2001/003639 WO2001057787A1 (en) 2000-02-04 2001-02-05 System for automated screening of security cameras

Publications (2)

Publication Number Publication Date
DE60131840D1 DE60131840D1 (de) 2008-01-24
DE60131840T2 true DE60131840T2 (de) 2008-11-27

Family

ID=26876193

Family Applications (1)

Application Number Title Priority Date Filing Date
DE60131840T Expired - Lifetime DE60131840T2 (de) 2000-02-04 2001-02-05 System zum automatischen testen von überwachungskameras

Country Status (9)

Country Link
US (4) US6940998B2 (de)
EP (1) EP1266345B1 (de)
JP (1) JP4618965B2 (de)
AT (1) ATE381073T1 (de)
AU (2) AU2001238024B2 (de)
CA (1) CA2399106C (de)
DE (1) DE60131840T2 (de)
IL (2) IL151004A0 (de)
WO (1) WO2001057787A1 (de)

Families Citing this family (156)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6720990B1 (en) 1998-12-28 2004-04-13 Walker Digital, Llc Internet surveillance system and method
US6940998B2 (en) 2000-02-04 2005-09-06 Cernium, Inc. System for automated screening of security cameras
US7006950B1 (en) * 2000-06-12 2006-02-28 Siemens Corporate Research, Inc. Statistical modeling and performance characterization of a real-time dual camera surveillance system
AU2001296925A1 (en) 2000-09-28 2002-04-08 Vigilos, Inc. Method and process for configuring a premises for monitoring
US8392552B2 (en) 2000-09-28 2013-03-05 Vig Acquisitions Ltd., L.L.C. System and method for providing configurable security monitoring utilizing an integrated information system
US8711217B2 (en) 2000-10-24 2014-04-29 Objectvideo, Inc. Video surveillance system employing video primitives
US7868912B2 (en) * 2000-10-24 2011-01-11 Objectvideo, Inc. Video surveillance system employing video primitives
US20050162515A1 (en) * 2000-10-24 2005-07-28 Objectvideo, Inc. Video surveillance system
US20050146605A1 (en) 2000-10-24 2005-07-07 Lipton Alan J. Video surveillance system employing video primitives
US9892606B2 (en) 2001-11-15 2018-02-13 Avigilon Fortress Corporation Video surveillance system employing video primitives
US8564661B2 (en) 2000-10-24 2013-10-22 Objectvideo, Inc. Video analytic rule detection system and method
US7464877B2 (en) 2003-11-13 2008-12-16 Metrologic Instruments, Inc. Digital imaging-based bar code symbol reading system employing image cropping pattern generator and automatic cropped image processor
US7708205B2 (en) 2003-11-13 2010-05-04 Metrologic Instruments, Inc. Digital image capture and processing system employing multi-layer software-based system architecture permitting modification and/or extension of system features and functions by way of third party code plug-ins
US7424175B2 (en) 2001-03-23 2008-09-09 Objectvideo, Inc. Video segmentation using statistical pixel modeling
BR0209543A (pt) * 2001-05-11 2005-04-26 Detector Electronics Método e aparelho de detecção de fogo através de formação de imagem da chama
US20030004913A1 (en) * 2001-07-02 2003-01-02 Koninklijke Philips Electronics N.V. Vision-based method and apparatus for detecting an event requiring assistance or documentation
US7480715B1 (en) 2002-01-25 2009-01-20 Vig Acquisitions Ltd., L.L.C. System and method for performing a predictive threat assessment based on risk factors
US20040186813A1 (en) * 2003-02-26 2004-09-23 Tedesco Daniel E. Image analysis method and apparatus in a network that is structured with multiple layers and differentially weighted neurons
US7292723B2 (en) * 2003-02-26 2007-11-06 Walker Digital, Llc System for image analysis in a network that is structured with multiple layers and differentially weighted neurons
US20100118049A1 (en) * 2003-11-05 2010-05-13 Bbn Technologies Corp. Motion-based visualization
US7841533B2 (en) 2003-11-13 2010-11-30 Metrologic Instruments, Inc. Method of capturing and processing digital images of an object within the field of view (FOV) of a hand-supportable digitial image capture and processing system
FR2867864B1 (fr) * 2004-03-17 2007-03-02 Automatic Systems Procede et installation de detection de passage associe a une porte d'acces
US7218756B2 (en) * 2004-03-24 2007-05-15 Cernium, Inc. Video analysis using segmentation gain by area
US20050225634A1 (en) * 2004-04-05 2005-10-13 Sam Brunetti Closed circuit TV security system
US7103217B2 (en) * 2004-05-06 2006-09-05 Canon Kabushiki Kaisha Color appearance space to CMYK mapping
WO2005109319A1 (en) * 2004-05-06 2005-11-17 Canon Kabushiki Kaisha Transform for destination space which includes a black channel
JP4140567B2 (ja) * 2004-07-14 2008-08-27 松下電器産業株式会社 物体追跡装置および物体追跡方法
JP4306557B2 (ja) * 2004-08-05 2009-08-05 コニカミノルタビジネステクノロジーズ株式会社 画像形成システム
EP1648181A1 (de) 2004-10-12 2006-04-19 Dialog Semiconductor GmbH Einzelbildabspeichervorrichtung
US7457433B2 (en) * 2005-01-20 2008-11-25 International Business Machines Corporation System and method for analyzing video from non-static camera
WO2006105286A2 (en) * 2005-03-30 2006-10-05 Cernium Corporation Intelligent video behavior recognition with multiple masks and configurable logic inference module
WO2006115676A2 (en) * 2005-03-30 2006-11-02 Cernium Corporation Video ghost detection by outline
US20060238616A1 (en) * 2005-03-31 2006-10-26 Honeywell International Inc. Video image processing appliance manager
US7760908B2 (en) * 2005-03-31 2010-07-20 Honeywell International Inc. Event packaged video sequence
TW200644612A (en) * 2005-06-15 2006-12-16 Inventec Appliances Corp Method for digital camera to take picture automatically
US7822224B2 (en) * 2005-06-22 2010-10-26 Cernium Corporation Terrain map summary elements
US8026945B2 (en) 2005-07-22 2011-09-27 Cernium Corporation Directed attention digital video recordation
US20070071404A1 (en) * 2005-09-29 2007-03-29 Honeywell International Inc. Controlled video event presentation
US7822227B2 (en) * 2006-02-07 2010-10-26 International Business Machines Corporation Method and system for tracking images
EP2013817A2 (de) 2006-04-17 2009-01-14 Objectvideo, Inc. Videosegmentierung mittels statistischer pixelmodellierung
US7956735B2 (en) 2006-05-15 2011-06-07 Cernium Corporation Automated, remotely-verified alarm system with intrusion and video surveillance and digital video recording
US8035691B2 (en) * 2006-08-01 2011-10-11 Pelco, Inc. Method and apparatus for compensating for movement of a video surveillance camera
US8498497B2 (en) 2006-11-17 2013-07-30 Microsoft Corporation Swarm imaging
ES2320826B1 (es) * 2006-12-27 2010-02-25 Universidad Nacional De Educacion A Distancia (Uned) Procedimiento para describir el comportamiento geometrico de humanos en una escena captada por un sistema de vision artificial, basado en un modelo de bloques y, especial, orientado a la tarea de video-vigilancia.
WO2008092202A1 (en) * 2007-02-02 2008-08-07 Honeywell International Inc. Systems and methods for managing live video data
MX2009008376A (es) * 2007-02-08 2009-12-14 Behavioral Recognition Systems Sistema de reconocimiento conductual.
US8763038B2 (en) * 2009-01-26 2014-06-24 Sony Corporation Capture of stylized TV table data via OCR
WO2008131520A1 (en) * 2007-04-25 2008-11-06 Miovision Technologies Incorporated Method and system for analyzing multimedia content
US7595815B2 (en) * 2007-05-08 2009-09-29 Kd Secure, Llc Apparatus, methods, and systems for intelligent security and safety
US8189905B2 (en) 2007-07-11 2012-05-29 Behavioral Recognition Systems, Inc. Cognitive model for a machine-learning engine in a video analysis system
WO2009012289A1 (en) 2007-07-16 2009-01-22 Cernium Corporation Apparatus and methods for video alarm verification
US8289326B2 (en) * 2007-08-16 2012-10-16 Southwest Research Institute Image analogy filters for terrain modeling
US20090079831A1 (en) * 2007-09-23 2009-03-26 Honeywell International Inc. Dynamic tracking of intruders across a plurality of associated video screens
US8175333B2 (en) * 2007-09-27 2012-05-08 Behavioral Recognition Systems, Inc. Estimator identifier component for behavioral recognition system
US8300924B2 (en) * 2007-09-27 2012-10-30 Behavioral Recognition Systems, Inc. Tracker component for behavioral recognition system
US8200011B2 (en) * 2007-09-27 2012-06-12 Behavioral Recognition Systems, Inc. Context processor for video analysis system
US8013738B2 (en) * 2007-10-04 2011-09-06 Kd Secure, Llc Hierarchical storage manager (HSM) for intelligent storage of large volumes of data
US7382244B1 (en) 2007-10-04 2008-06-03 Kd Secure Video surveillance, storage, and alerting system having network management, hierarchical data storage, video tip processing, and vehicle plate analysis
US8204273B2 (en) * 2007-11-29 2012-06-19 Cernium Corporation Systems and methods for analysis of video content, event notification, and video content provision
US20090213123A1 (en) * 2007-12-08 2009-08-27 Dennis Allard Crow Method of using skeletal animation data to ascertain risk in a surveillance system
US8941680B2 (en) * 2008-07-09 2015-01-27 Raytheon Bbn Technologies Corp. Volumetric image motion-based visualization
TWI353778B (en) * 2007-12-21 2011-12-01 Ind Tech Res Inst Moving object detection apparatus and method
US8390685B2 (en) * 2008-02-06 2013-03-05 International Business Machines Corporation Virtual fence
US8345097B2 (en) * 2008-02-15 2013-01-01 Harris Corporation Hybrid remote digital recording and acquisition system
GB2492248B (en) 2008-03-03 2013-04-10 Videoiq Inc Dynamic object classification
US10341615B2 (en) 2008-03-07 2019-07-02 Honeywell International Inc. System and method for mapping of text events from multiple sources with camera outputs
US9633275B2 (en) 2008-09-11 2017-04-25 Wesley Kenneth Cobb Pixel-level based micro-feature extraction
US8229228B2 (en) * 2008-09-16 2012-07-24 Robert Bosch Gmbh Image analysis using a pre-calibrated pattern of radiation
US9215467B2 (en) * 2008-11-17 2015-12-15 Checkvideo Llc Analytics-modulated coding of surveillance video
US9373055B2 (en) * 2008-12-16 2016-06-21 Behavioral Recognition Systems, Inc. Hierarchical sudden illumination change detection using radiance consistency within a spatial neighborhood
US8633984B2 (en) * 2008-12-18 2014-01-21 Honeywell International, Inc. Process of sequentially dubbing a camera for investigation and review
US8285046B2 (en) * 2009-02-18 2012-10-09 Behavioral Recognition Systems, Inc. Adaptive update of background pixel thresholds using sudden illumination change detection
WO2010144105A2 (en) * 2009-02-26 2010-12-16 Raytheon Company Integrated airport domain awareness response system, system for ground-based transportable defense of airports against manpads, and methods
US8878931B2 (en) 2009-03-04 2014-11-04 Honeywell International Inc. Systems and methods for managing video data
US8416296B2 (en) * 2009-04-14 2013-04-09 Behavioral Recognition Systems, Inc. Mapper component for multiple art networks in a video analysis system
US8571261B2 (en) 2009-04-22 2013-10-29 Checkvideo Llc System and method for motion detection in a surveillance video
JP5272886B2 (ja) 2009-05-14 2013-08-28 ソニー株式会社 動体検出装置と動体検出方法およびコンピュータ・プログラム
US8358834B2 (en) * 2009-08-18 2013-01-22 Behavioral Recognition Systems Background model for complex and dynamic scenes
US8280153B2 (en) * 2009-08-18 2012-10-02 Behavioral Recognition Systems Visualizing and updating learned trajectories in video surveillance systems
US8625884B2 (en) * 2009-08-18 2014-01-07 Behavioral Recognition Systems, Inc. Visualizing and updating learned event maps in surveillance systems
US9805271B2 (en) 2009-08-18 2017-10-31 Omni Ai, Inc. Scene preset identification using quadtree decomposition analysis
US8379085B2 (en) * 2009-08-18 2013-02-19 Behavioral Recognition Systems, Inc. Intra-trajectory anomaly detection using adaptive voting experts in a video surveillance system
US8340352B2 (en) * 2009-08-18 2012-12-25 Behavioral Recognition Systems, Inc. Inter-trajectory anomaly detection using adaptive voting experts in a video surveillance system
US8295591B2 (en) * 2009-08-18 2012-10-23 Behavioral Recognition Systems, Inc. Adaptive voting experts for incremental segmentation of sequences with prediction in a video surveillance system
US20110043689A1 (en) * 2009-08-18 2011-02-24 Wesley Kenneth Cobb Field-of-view change detection
US8493409B2 (en) * 2009-08-18 2013-07-23 Behavioral Recognition Systems, Inc. Visualizing and updating sequences and segments in a video surveillance system
US8797405B2 (en) * 2009-08-31 2014-08-05 Behavioral Recognition Systems, Inc. Visualizing and updating classifications in a video surveillance system
US8285060B2 (en) * 2009-08-31 2012-10-09 Behavioral Recognition Systems, Inc. Detecting anomalous trajectories in a video surveillance system
US8270733B2 (en) * 2009-08-31 2012-09-18 Behavioral Recognition Systems, Inc. Identifying anomalous object types during classification
US8786702B2 (en) * 2009-08-31 2014-07-22 Behavioral Recognition Systems, Inc. Visualizing and updating long-term memory percepts in a video surveillance system
US8270732B2 (en) * 2009-08-31 2012-09-18 Behavioral Recognition Systems, Inc. Clustering nodes in a self-organizing map using an adaptive resonance theory network
US8167430B2 (en) * 2009-08-31 2012-05-01 Behavioral Recognition Systems, Inc. Unsupervised learning of temporal anomalies for a video surveillance system
US8218818B2 (en) * 2009-09-01 2012-07-10 Behavioral Recognition Systems, Inc. Foreground object tracking
US8218819B2 (en) * 2009-09-01 2012-07-10 Behavioral Recognition Systems, Inc. Foreground object detection in a video surveillance system
US8170283B2 (en) * 2009-09-17 2012-05-01 Behavioral Recognition Systems Inc. Video surveillance system configured to analyze complex behaviors using alternating layers of clustering and sequencing
US8180105B2 (en) * 2009-09-17 2012-05-15 Behavioral Recognition Systems, Inc. Classifier anomalies for observed behaviors in a video surveillance system
US20110234829A1 (en) * 2009-10-06 2011-09-29 Nikhil Gagvani Methods, systems and apparatus to configure an imaging device
US20120213404A1 (en) 2011-02-18 2012-08-23 Google Inc. Automatic event recognition and cross-user photo clustering
US8655617B1 (en) 2011-07-18 2014-02-18 Advanced Testing Technologies, Inc. Method and system for validating video waveforms and other electrical signals
US8788228B1 (en) 2011-07-18 2014-07-22 Advanced Testing Technologies, Inc. Method and system for validating video waveforms and other electrical signals
US9124783B2 (en) 2011-09-30 2015-09-01 Camiolog, Inc. Method and system for automated labeling at scale of motion-detected events in video surveillance
EP2826020A4 (de) 2012-03-15 2016-06-15 Behavioral Recognition Sys Inc Alarmlautstärkennormalisierung in einem videoüberwachungssystem
US9391792B2 (en) 2012-06-27 2016-07-12 Google Inc. System and method for event content stream
US9317908B2 (en) 2012-06-29 2016-04-19 Behavioral Recognition System, Inc. Automatic gain control filter in a video analysis system
WO2014004901A1 (en) 2012-06-29 2014-01-03 Behavioral Recognition Systems, Inc. Unsupervised learning of feature anomalies for a video surveillance system
US9111353B2 (en) 2012-06-29 2015-08-18 Behavioral Recognition Systems, Inc. Adaptive illuminance filter in a video analysis system
US9113143B2 (en) 2012-06-29 2015-08-18 Behavioral Recognition Systems, Inc. Detecting and responding to an out-of-focus camera in a video analytics system
US9723271B2 (en) 2012-06-29 2017-08-01 Omni Ai, Inc. Anomalous stationary object detection and reporting
US9911043B2 (en) 2012-06-29 2018-03-06 Omni Ai, Inc. Anomalous object interaction detection and reporting
US9104918B2 (en) 2012-08-20 2015-08-11 Behavioral Recognition Systems, Inc. Method and system for detecting sea-surface oil
US9418370B2 (en) 2012-10-23 2016-08-16 Google Inc. Obtaining event reviews
US9232140B2 (en) 2012-11-12 2016-01-05 Behavioral Recognition Systems, Inc. Image stabilization techniques for video surveillance systems
US9265458B2 (en) 2012-12-04 2016-02-23 Sync-Think, Inc. Application of smooth pursuit cognitive testing paradigms to clinical drug development
KR101405085B1 (ko) 2012-12-21 2014-06-19 (주)에이치아이디솔루션 차량녹화영상분석 방법 및 장치
US9565226B2 (en) * 2013-02-13 2017-02-07 Guy Ravine Message capturing and seamless message sharing and navigation
US9380976B2 (en) 2013-03-11 2016-07-05 Sync-Think, Inc. Optical neuroinformatics
US8929603B1 (en) * 2013-03-15 2015-01-06 Puretech Systems, Inc. Autonomous lock-on target tracking with geospatial-aware PTZ cameras
US9401850B2 (en) 2013-05-08 2016-07-26 Vringo Infrastructure Inc. Cognitive radio system and cognitive radio carrier device
US9614898B1 (en) * 2013-05-27 2017-04-04 Surround.IO Distributed event engine
EP3030981A4 (de) 2013-08-09 2016-09-07 Behavioral Recognition Sys Inc System zur erkennung eines kognitiven neurolinguistischen verhaltens zur fusion von daten mehrerer sensoren
US10523903B2 (en) * 2013-10-30 2019-12-31 Honeywell International Inc. Computer implemented systems frameworks and methods configured for enabling review of incident data
MY183754A (en) * 2013-11-28 2021-03-11 Mimos Berhad Video surveillance system and method
US9245183B2 (en) 2014-06-26 2016-01-26 International Business Machines Corporation Geographical area condition determination
WO2016032235A1 (ko) * 2014-08-29 2016-03-03 주식회사 경동원 월패드의 영상 움직임 감지를 이용한 댁내외 모니터링 시스템 및 방법
DE102014220777A1 (de) * 2014-10-06 2016-04-07 Mobotix Ag Verfahren zur Konfiguration von Kameras und dergleichen
DE102014117508A1 (de) * 2014-11-28 2016-06-02 Skidata Ag Verfahren zur Optimierung der Kundenunterstützung bei der Betätigung von Zugangskontroll- oder Bezahlvorrichtungen
US10409909B2 (en) 2014-12-12 2019-09-10 Omni Ai, Inc. Lexical analyzer for a neuro-linguistic behavior recognition system
US10409910B2 (en) 2014-12-12 2019-09-10 Omni Ai, Inc. Perceptual associative memory for a neuro-linguistic behavior recognition system
US10043307B2 (en) 2015-04-17 2018-08-07 General Electric Company Monitoring parking rule violations
US20160307048A1 (en) * 2015-04-17 2016-10-20 General Electric Company Simulating camera node output for parking policy management system
US10872241B2 (en) 2015-04-17 2020-12-22 Ubicquia Iq Llc Determining overlap of a parking space by a vehicle
US10984363B2 (en) * 2015-09-04 2021-04-20 International Business Machines Corporation Summarization of a recording for quality control
JP2018533295A (ja) 2015-09-25 2018-11-08 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ ビデオ処理のためのシステムおよび方法
CN107710197B (zh) 2015-09-28 2021-08-17 谷歌有限责任公司 在通信网络上共享图像和图像相册
JP6663229B2 (ja) * 2016-01-20 2020-03-11 キヤノン株式会社 情報処理装置、情報処理方法、およびプログラム
US11494579B2 (en) * 2016-01-29 2022-11-08 Nec Corporation Information processing apparatus, information processing method, and program
US11386759B2 (en) 2016-05-09 2022-07-12 Herbert S Kobayashi Three level detector signal for multicamera video alarm system for remote monitoring and method
US10679477B2 (en) 2016-05-09 2020-06-09 Herbert S Kobayashi Multicamera video alarm system for remote monitoring and method
US10891839B2 (en) * 2016-10-26 2021-01-12 Amazon Technologies, Inc. Customizable intrusion zones associated with security systems
WO2018081328A1 (en) 2016-10-26 2018-05-03 Ring Inc. Customizable intrusion zones for audio/video recording and communication devices
US10432728B2 (en) 2017-05-17 2019-10-01 Google Llc Automatic image sharing with designated users over a communication network
US10482613B2 (en) 2017-07-06 2019-11-19 Wisconsin Alumni Research Foundation Movement monitoring system
US11450148B2 (en) 2017-07-06 2022-09-20 Wisconsin Alumni Research Foundation Movement monitoring system
US10810414B2 (en) 2017-07-06 2020-10-20 Wisconsin Alumni Research Foundation Movement monitoring system
US10405011B2 (en) * 2017-07-14 2019-09-03 Canon Kabushiki Kaisha Method, system, apparatus and readable medium for generating two video streams from a received video stream
US10913454B2 (en) * 2017-12-13 2021-02-09 Humanising Autonomy Limited Systems and methods for predicting pedestrian intent
US10902333B2 (en) * 2018-10-08 2021-01-26 Booz Allen Hamilton Inc. Methods and systems for collecting and analyzing data using a cognitive fabric to provide cognitive agility for the analytic tradecraft
US11017240B2 (en) * 2019-02-20 2021-05-25 Vigilands Inc System and method for image analysis based security system
US11159772B2 (en) 2019-02-28 2021-10-26 Arlo Technologies, Inc. Electronic doorbell system with camera selection
US11145171B2 (en) 2019-02-28 2021-10-12 Arlo Technologies, Inc. Electronic doorbell system with text communication
CN110505397B (zh) * 2019-07-12 2021-08-31 北京旷视科技有限公司 相机选择的方法、装置及计算机存储介质
US10909839B1 (en) 2019-09-23 2021-02-02 Toyota Connected North America, Inc. System and method for optimizing rescue efforts
US11587361B2 (en) 2019-11-08 2023-02-21 Wisconsin Alumni Research Foundation Movement monitoring system
US11373511B2 (en) 2020-09-14 2022-06-28 PureTech Systems Inc. Alarm processing and classification system and method
WO2023277829A1 (en) * 2021-07-01 2023-01-05 Chinwatanakit Worapot Position and time tracking system based on photographs
US11941320B2 (en) 2021-09-28 2024-03-26 Arlo Technologies, Inc. Electronic monitoring system having modified audio output

Family Cites Families (157)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US545561A (en) * 1895-09-03 Pipe-hanger
US3988533A (en) 1974-09-30 1976-10-26 Video Tek, Inc. Video-type universal motion and intrusion detection system
US4679077A (en) 1984-11-10 1987-07-07 Matsushita Electric Works, Ltd. Visual Image sensor system
US4623837A (en) 1985-06-14 1986-11-18 Discovision Associates Audio/video quality monitoring system
JP2528789B2 (ja) 1985-06-26 1996-08-28 中央電子 株式会社 映像情報管理装置
GB2183878B (en) 1985-10-11 1989-09-20 Matsushita Electric Works Ltd Abnormality supervising system
JPS633590A (ja) 1986-06-23 1988-01-08 Sony Corp 監視装置
JPS633384A (ja) * 1986-06-24 1988-01-08 Toshiba Corp 画像圧縮装置
US4905296A (en) 1986-07-22 1990-02-27 Schlumberger Systems & Services, Inc. System for shape recognition
US4774570A (en) 1986-09-20 1988-09-27 Sony Corporation System for processing video signal for detecting changes in video data and security monitoring system utilizing the same
US4814869A (en) 1987-04-27 1989-03-21 Oliver Jr Robert C Video surveillance system
US4857912A (en) * 1988-07-27 1989-08-15 The United States Of America As Represented By The Secretary Of The Navy Intelligent security assessment system
US5033015A (en) 1988-08-12 1991-07-16 Hughes Aircraft Company Automated system for testing an imaging sensor
US5537483A (en) 1989-10-03 1996-07-16 Staplevision, Inc. Automated quality assurance image processing system
KR920005058B1 (ko) 1989-12-15 1992-06-26 주식회사 금성사 4화면 분할 표시 장치
US5161107A (en) * 1990-10-25 1992-11-03 Mestech Creation Corporation Traffic surveillance system
CA2049273A1 (en) 1990-10-25 1992-04-26 Cindy E. Daniell Self adaptive hierarchical target identification and recognition neural network
JPH04195397A (ja) * 1990-11-27 1992-07-15 Matsushita Electric Ind Co Ltd 道路障害監視装置
US5142592A (en) 1990-12-17 1992-08-25 Moler Keith E Method and apparatus for detection of parallel edges in image processing
GB2257598B (en) 1991-07-12 1994-11-30 Hochiki Co Surveillance monitor system using image processing
JPH0564199A (ja) 1991-08-29 1993-03-12 Pioneer Electron Corp 画像監視装置
US5809161A (en) * 1992-03-20 1998-09-15 Commonwealth Scientific And Industrial Research Organisation Vehicle monitoring system
US5751844A (en) 1992-04-20 1998-05-12 International Business Machines Corporation Method and apparatus for image acquisition with adaptive compensation for image exposure variation
US5836003A (en) 1993-08-26 1998-11-10 Visnet Ltd. Methods and means for image and voice compression
US5446492A (en) 1993-01-19 1995-08-29 Wolf; Stephen Perception-based video quality measurement system
KR100292138B1 (ko) * 1993-07-12 2002-06-20 이데이 노부유끼 디지탈비디오신호용송신기및수신기
US5880775A (en) 1993-08-16 1999-03-09 Videofaxx, Inc. Method and apparatus for detecting changes in a video display
US5519669A (en) * 1993-08-19 1996-05-21 At&T Corp. Acoustically monitored site surveillance and security system for ATM machines and other facilities
US5434927A (en) * 1993-12-08 1995-07-18 Minnesota Mining And Manufacturing Company Method and apparatus for machine vision classification and tracking
US5600574A (en) 1994-05-13 1997-02-04 Minnesota Mining And Manufacturing Company Automated image quality control
US5455561A (en) 1994-08-02 1995-10-03 Brown; Russell R. Automatic security monitor reporter
US5734740A (en) 1994-10-31 1998-03-31 University Of Florida Method for automated radiographic quality assurance
KR960028217A (ko) 1994-12-22 1996-07-22 엘리 웨이스 움직임 검출 카메라 시스템 및 방법
US6028626A (en) * 1995-01-03 2000-02-22 Arc Incorporated Abnormality detection and surveillance system
US5666157A (en) 1995-01-03 1997-09-09 Arc Incorporated Abnormality detection and surveillance system
US5708423A (en) * 1995-05-09 1998-01-13 Sensormatic Electronics Corporation Zone-Based asset tracking and control system
US5689443A (en) 1995-05-25 1997-11-18 Ramanathan; Naganathasastrigal Method and apparatus for evaluating scanners
US6181867B1 (en) * 1995-06-07 2001-01-30 Intervu, Inc. Video storage and retrieval system
US7386372B2 (en) * 1995-06-07 2008-06-10 Automotive Technologies International, Inc. Apparatus and method for determining presence of objects in a vehicle
JP3461626B2 (ja) 1995-07-28 2003-10-27 シャープ株式会社 特定画像領域抽出方法及び特定画像領域抽出装置
KR0176157B1 (ko) 1995-08-14 1999-05-01 김광호 개선된 검색기능을 갖는 cctv시스템 및 이에 적합한 검색방법
US5915044A (en) 1995-09-29 1999-06-22 Intel Corporation Encoding video images using foreground/background segmentation
JP3689946B2 (ja) 1995-10-05 2005-08-31 ソニー株式会社 データ処理装置及び方法
US5872859A (en) 1995-11-02 1999-02-16 University Of Pittsburgh Training/optimization of computer aided detection schemes based on measures of overall image quality
US5969755A (en) 1996-02-05 1999-10-19 Texas Instruments Incorporated Motion based event detection system and method
US5801618A (en) * 1996-02-08 1998-09-01 Jenkins; Mark Vehicle alarm and lot monitoring system
JP3288575B2 (ja) * 1996-03-27 2002-06-04 三菱電機株式会社 撮像画像を用いた監視装置とそのモデル作成方法および撮像装置制御方法
US5764803A (en) 1996-04-03 1998-06-09 Lucent Technologies Inc. Motion-adaptive modelling of scene content for very low bit rate model-assisted coding of video sequences
US6078619A (en) 1996-09-12 2000-06-20 University Of Bath Object-oriented video system
EP1450306A3 (de) * 1996-10-31 2009-07-15 Sensormatic Electronics Corporation Intelligentes Videoinformationsverwaltungssystem
US6031573A (en) * 1996-10-31 2000-02-29 Sensormatic Electronics Corporation Intelligent video information management system performing multiple functions in parallel
US5875305A (en) 1996-10-31 1999-02-23 Sensormatic Electronics Corporation Video information management system which provides intelligent responses to video data content features
US5731832A (en) 1996-11-05 1998-03-24 Prescient Systems Apparatus and method for detecting motion in a video signal
JPH10143659A (ja) * 1996-11-06 1998-05-29 Komatsu Ltd 物体検出装置
WO1998028706A1 (en) 1996-12-23 1998-07-02 Esco Electronics Corporation Low false alarm rate video security system using object classification
US5956424A (en) 1996-12-23 1999-09-21 Esco Electronics Corporation Low false alarm rate detection for a video image processing based security alarm system
US6249613B1 (en) 1997-03-31 2001-06-19 Sharp Laboratories Of America, Inc. Mosaic generation and sprite-based coding with automatic foreground and background separation
US6130707A (en) 1997-04-14 2000-10-10 Philips Electronics N.A. Corp. Video motion detector with global insensitivity
JP3759280B2 (ja) 1997-04-15 2006-03-22 富士通株式会社 道路監視用事象検知装置
JP2002501711A (ja) * 1997-06-04 2002-01-15 アスコム システツク アクチエンゲゼルシヤフト あらかじめ与えられた監視範囲を監視する方法
US5930379A (en) 1997-06-16 1999-07-27 Digital Equipment Corporation Method for detecting human body motion in frames of a video sequence
JP3870491B2 (ja) * 1997-07-02 2007-01-17 松下電器産業株式会社 画像間対応検出方法およびその装置
WO1999003273A1 (fr) * 1997-07-11 1999-01-21 Mitsubishi Denki Kabushiki Kaisha Appareil de lecture de films et appareil permettant de constituer un recueil de films
US6097429A (en) * 1997-08-01 2000-08-01 Esco Electronics Corporation Site control unit for video security system
GB2329294B (en) 1997-09-11 2002-01-16 Hamlet Video Internat Ltd Signal monitoring apparatus
US5827942A (en) 1997-10-16 1998-10-27 Wisconsin Alumni Research Foundation System and method for testing imaging performance of ultrasound scanners and other medical imagers
GB9808712D0 (en) * 1997-11-05 1998-06-24 British Aerospace Automatic target recognition apparatus and process
US6396961B1 (en) 1997-11-12 2002-05-28 Sarnoff Corporation Method and apparatus for fixating a camera on a target point using image alignment
US6154133A (en) * 1998-01-22 2000-11-28 Ross & Baruzzini, Inc. Exit guard system
JP4048511B2 (ja) * 1998-03-13 2008-02-20 富士通株式会社 魚眼レンズカメラ装置及びその画像歪み補正方法
FR2776459B1 (fr) 1998-03-19 2000-04-28 France Telecom Procede de detection des objets en mouvement dans une sequence d'images video
JPH11283012A (ja) * 1998-03-31 1999-10-15 Hitachi Software Eng Co Ltd 陰の認識方法
JP3566546B2 (ja) 1998-04-01 2004-09-15 Ｋｄｄｉ株式会社 画像の品質異常検出方法および装置
US6067373A (en) 1998-04-02 2000-05-23 Arch Development Corporation Method, system and computer readable medium for iterative image warping prior to temporal subtraction of chest radiographs in the detection of interval changes
EP0967584B1 (de) * 1998-04-30 2004-10-20 Texas Instruments Incorporated Automatische Videoüberwachungsanlage
JP2000013608A (ja) * 1998-06-23 2000-01-14 Ricoh Co Ltd 画像処理方法
US6493041B1 (en) 1998-06-30 2002-12-10 Sun Microsystems, Inc. Method and apparatus for the detection of motion in video
JP2000032337A (ja) * 1998-07-14 2000-01-28 Sony Corp 画像合成装置
US6434265B1 (en) 1998-09-25 2002-08-13 Apple Computers, Inc. Aligning rectilinear images in 3D through projective registration and calibration
NO984746D0 (no) * 1998-10-09 1998-10-09 Fast Search & Transfer Asa Digital prosesseringsenhet
US6661918B1 (en) 1998-12-04 2003-12-09 Interval Research Corporation Background estimation and segmentation based on range and color
US6104831A (en) 1998-12-10 2000-08-15 Esco Electronics Corporation Method for rejection of flickering lights in an imaging system
US6366701B1 (en) 1999-01-28 2002-04-02 Sarnoff Corporation Apparatus and method for describing the motion parameters of an object in an image sequence
US6493022B1 (en) * 1999-03-05 2002-12-10 Biscom, Inc. Security system for notification of an undesired condition at a monitored area with minimized false alarms
US6493023B1 (en) 1999-03-12 2002-12-10 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Method and apparatus for evaluating the visual quality of processed digital video sequences
US6424741B1 (en) 1999-03-19 2002-07-23 Samsung Electronics Co., Ltd. Apparatus for analyzing image texture and method therefor
DE60031664T2 (de) * 1999-04-21 2007-08-30 SPSS, Inc., Chicago Computerverfahren und vorrichtung zum schaffen von sichtbarer graphik unter verwendung von graph algebra
WO2000070546A1 (en) 1999-05-19 2000-11-23 Advanced Testing Technologies, Inc. Unified analog/digital waveform software analysis tool with video and audio signal analysis methods
US6370480B1 (en) 1999-05-21 2002-04-09 General Electric Company Quantitative analysis system and method for certifying ultrasound medical imaging equipment
JP4453119B2 (ja) 1999-06-08 2010-04-21 ソニー株式会社 カメラ・キャリブレーション装置及び方法、画像処理装置及び方法、プログラム提供媒体、並びに、カメラ
US6687386B1 (en) * 1999-06-15 2004-02-03 Hitachi Denshi Kabushiki Kaisha Object tracking method and object tracking apparatus
US6591006B1 (en) * 1999-06-23 2003-07-08 Electronic Data Systems Corporation Intelligent image recording system and method
US7015806B2 (en) * 1999-07-20 2006-03-21 @Security Broadband Corporation Distributed monitoring for a video security system
US6476858B1 (en) 1999-08-12 2002-11-05 Innovation Institute Video monitoring and security system
US6650774B1 (en) 1999-10-01 2003-11-18 Microsoft Corporation Locally adapted histogram equalization
US6424370B1 (en) 1999-10-08 2002-07-23 Texas Instruments Incorporated Motion based event detection system and method
US6707486B1 (en) * 1999-12-15 2004-03-16 Advanced Technology Video, Inc. Directional motion estimator
US6654483B1 (en) 1999-12-22 2003-11-25 Intel Corporation Motion detection using normal optical flow
JP3873554B2 (ja) 1999-12-27 2007-01-24 株式会社日立製作所 監視装置、監視プログラムが記録された記録媒体
US6690839B1 (en) 2000-01-17 2004-02-10 Tektronix, Inc. Efficient predictor of subjective video quality rating measures
US6940998B2 (en) 2000-02-04 2005-09-06 Cernium, Inc. System for automated screening of security cameras
US6577826B1 (en) 2000-03-24 2003-06-10 Fuji Xerox Co., Ltd. Image forming apparatus which sets parameters for the formation of paper
JP3603737B2 (ja) 2000-03-30 2004-12-22 日本電気株式会社 移動体追尾方法及びその装置
US6975220B1 (en) 2000-04-10 2005-12-13 Radia Technologies Corporation Internet based security, fire and emergency identification and communication system
US20050146605A1 (en) * 2000-10-24 2005-07-07 Lipton Alan J. Video surveillance system employing video primitives
US6763148B1 (en) * 2000-11-13 2004-07-13 Visual Key, Inc. Image recognition methods
US6411209B1 (en) 2000-12-06 2002-06-25 Koninklijke Philips Electronics N.V. Method and apparatus to select the best video frame to transmit to a remote station for CCTV based residential security monitoring
US7136605B2 (en) 2002-12-24 2006-11-14 Ricoh Company, Ltd. Image forming apparatus, method of evaluating noise, and methods of manufacturing and modifying image forming apparatus
GB0102355D0 (en) * 2001-01-30 2001-03-14 Mygard Plc Security system
US6735337B2 (en) 2001-02-02 2004-05-11 Shih-Jong J. Lee Robust method for automatic reading of skewed, rotated or partially obscured characters
KR100404885B1 (ko) 2001-02-16 2003-11-10 삼성전자주식회사 휴대용 동화상 폰을 이용한 원격감시 장치
CN1698281A (zh) 2001-05-01 2005-11-16 菲利浦电子北美公司 复合客观视频质量测量
US7203620B2 (en) * 2001-07-03 2007-04-10 Sharp Laboratories Of America, Inc. Summarization of video content
FR2827051B1 (fr) 2001-07-09 2003-10-24 Mediterranee Const Ind Procede et systeme de detection securisee par video pour la commande automatique d'un systeme mecanique tel qu'un trottoir roulant ou escalier mecanique
US7327891B2 (en) 2001-07-17 2008-02-05 Yesvideo, Inc. Automatic selection of a visual image or images from a collection of visual images, based on an evaluation of the quality of the visual images
US20030023910A1 (en) 2001-07-25 2003-01-30 Myler Harley R. Method for monitoring and automatically correcting digital video quality by reverse frame prediction
US6577764B2 (en) 2001-08-01 2003-06-10 Teranex, Inc. Method for measuring and analyzing digital video quality
US7342489B1 (en) * 2001-09-06 2008-03-11 Siemens Schweiz Ag Surveillance system control unit
TW567626B (en) * 2001-09-26 2003-12-21 Evionyx Inc Rechargeable and refuelable metal air electrochemical cell
US6696945B1 (en) 2001-10-09 2004-02-24 Diamondback Vision, Inc. Video tripwire
US7085401B2 (en) * 2001-10-31 2006-08-01 Infowrap Systems Ltd. Automatic object extraction
US6810083B2 (en) 2001-11-16 2004-10-26 Koninklijke Philips Electronics N.V. Method and system for estimating objective quality of compressed video data
TW582168B (en) 2002-03-01 2004-04-01 Huper Lab Co Ltd Method for abstracting multiple moving objects
US7102667B2 (en) 2002-03-18 2006-09-05 Tektronix, Inc. Picture quality diagnostics for revealing cause of perceptible impairments
JP3689740B2 (ja) 2002-05-27 2005-08-31 国立大学法人広島大学 画像分割処理方法、画像分割処理装置、リアルタイム画像処理方法、リアルタイム画像処理装置及び画像処理集積化回路
JP4223233B2 (ja) 2002-05-29 2009-02-12 パナソニック株式会社 移動物体検出装置および移動物体検出方法
US6985623B2 (en) 2002-06-10 2006-01-10 Pts Corporation Scene change detection by segmentation analysis
US7038710B2 (en) 2002-07-17 2006-05-02 Koninklijke Philips Electronics, N.V. Method and apparatus for measuring the quality of video data
AU2003278710A1 (en) 2002-08-15 2004-03-03 Lc Technologies, Inc. Motion clutter suppression for image-subtracting cameras
US7239311B2 (en) * 2002-09-26 2007-07-03 The United States Government As Represented By The Secretary Of The Navy Global visualization process (GVP) and system for implementing a GVP
US7221775B2 (en) 2002-11-12 2007-05-22 Intellivid Corporation Method and apparatus for computerized image background analysis
US7103227B2 (en) 2003-03-19 2006-09-05 Mitsubishi Electric Research Laboratories, Inc. Enhancing low quality images of naturally illuminated scenes
US7206449B2 (en) 2003-03-19 2007-04-17 Mitsubishi Electric Research Laboratories, Inc. Detecting silhouette edges in images
JP3938127B2 (ja) 2003-09-29 2007-06-27 ソニー株式会社 撮像装置
US7536032B2 (en) 2003-10-24 2009-05-19 Reactrix Systems, Inc. Method and system for processing captured image information in an interactive video display system
US20050132414A1 (en) * 2003-12-02 2005-06-16 Connexed, Inc. Networked video surveillance system
US7106193B2 (en) * 2003-12-23 2006-09-12 Honeywell International, Inc. Integrated alarm detection and verification device
US7218756B2 (en) 2004-03-24 2007-05-15 Cernium, Inc. Video analysis using segmentation gain by area
WO2005099281A2 (en) 2004-03-30 2005-10-20 Cernium, Inc. Quality analysis in imaging
US7486183B2 (en) * 2004-05-24 2009-02-03 Eaton Corporation Home system and method for sending and displaying digital images
US7209035B2 (en) * 2004-07-06 2007-04-24 Catcher, Inc. Portable handheld security device
US7612666B2 (en) 2004-07-27 2009-11-03 Wael Badawy Video based monitoring system
US7730406B2 (en) 2004-10-20 2010-06-01 Hewlett-Packard Development Company, L.P. Image processing system and method
US7359552B2 (en) 2004-12-15 2008-04-15 Mitsubishi Electric Research Laboratories, Inc. Foreground detection using intrinsic images
US7944469B2 (en) * 2005-02-14 2011-05-17 Vigilos, Llc System and method for using self-learning rules to enable adaptive security monitoring
US7403116B2 (en) * 2005-02-28 2008-07-22 Westec Intelligent Surveillance, Inc. Central monitoring/managed surveillance system and method
WO2006115676A2 (en) 2005-03-30 2006-11-02 Cernium Corporation Video ghost detection by outline
WO2006105286A2 (en) 2005-03-30 2006-10-05 Cernium Corporation Intelligent video behavior recognition with multiple masks and configurable logic inference module
US7822224B2 (en) 2005-06-22 2010-10-26 Cernium Corporation Terrain map summary elements
US7437755B2 (en) * 2005-10-26 2008-10-14 Cisco Technology, Inc. Unified network and physical premises access control server
US7639891B2 (en) 2005-12-23 2009-12-29 Xerox Corporation Corner sharpening using look-up table edge pixel identification
US20070177800A1 (en) * 2006-02-02 2007-08-02 International Business Machines Corporation Method and apparatus for maintaining a background image model in a background subtraction system using accumulated motion
TWI325124B (en) 2006-05-10 2010-05-21 Realtek Semiconductor Corp Motion detection method and related apparatus
US7956735B2 (en) 2006-05-15 2011-06-07 Cernium Corporation Automated, remotely-verified alarm system with intrusion and video surveillance and digital video recording
WO2009012289A1 (en) * 2007-07-16 2009-01-22 Cernium Corporation Apparatus and methods for video alarm verification
US8204273B2 (en) * 2007-11-29 2012-06-19 Cernium Corporation Systems and methods for analysis of video content, event notification, and video content provision
US8571261B2 (en) 2009-04-22 2013-10-29 Checkvideo Llc System and method for motion detection in a surveillance video

Also Published As

Publication number Publication date
EP1266345B1 (de) 2007-12-12
US20050259848A1 (en) 2005-11-24
WO2001057787A1 (en) 2001-08-09
US20100074472A1 (en) 2010-03-25
CA2399106A1 (en) 2001-08-09
ATE381073T1 (de) 2007-12-15
EP1266345A4 (de) 2006-05-10
US7643653B2 (en) 2010-01-05
IL151004A0 (en) 2003-02-12
US20010033330A1 (en) 2001-10-25
US6940998B2 (en) 2005-09-06
CA2399106C (en) 2012-12-04
US20130293708A1 (en) 2013-11-07
US8345923B2 (en) 2013-01-01
DE60131840D1 (de) 2008-01-24
AU2001238024B2 (en) 2006-10-26
JP2003521860A (ja) 2003-07-15
IL151004A (en) 2010-11-30
AU3802401A (en) 2001-08-14
US8682034B2 (en) 2014-03-25
JP4618965B2 (ja) 2011-01-26
EP1266345A1 (de) 2002-12-18

Similar Documents

Publication Publication Date Title
DE60131840T2 (de) System zum automatischen testen von überwachungskameras
AU2001238024A1 (en) System for automated screening of security cameras
DE69632384T2 (de) Gerät und Verfahren zur Steuerung einer Mehrzahl von Fernkameras
DE19825302B4 (de) System zur Einrichtung einer dreidimensionalen Abfallmatte, welche eine vereinfachte Einstellung räumlicher Beziehungen zwischen realen und virtuellen Szeneelementen ermöglicht
DE69727095T2 (de) Kamerasteuerung durch Steuerung eines Kamerasymbols auf einem Hintergrundbild
DE19680415C2 (de) Bildbearbeitungsvorrichtung für Fahrzeuge
EP2187340B1 (de) Vorrichtung und Verfahren zum Bestimmen eines Kanten-Histogramms, Vorrichtung und Verfahren zum Ablegen eines Bildes in einer Bilddatenbank, Vorrichtung und Verfahren zum Auffinden von zwei ähnlichen Bildern und Computerprogramm
DE602004010363T2 (de) Fernvideoanzeigeverfahren, videoerfassungseinrichtung, verfahren dafür und programm dafür
DE60003032T2 (de) Verfahren zur bildsegmentation
DE69738287T2 (de) Verfahren zum Anzeigen eines sich bewegenden Objekts, dessen Bahn zu identifizieren ist, Anzeigesystem unter Verwendung dieses Verfahrens und Programmaufzeichnungsmedium dafür
DE69732089T2 (de) Vorrichtung und verfahren zur zeitlichen und räumlichen integration und verwaltung einer vielzahl von videos sowie speichermedium zur speicherung eines programms dafür
DE112018001635T5 (de) Verfahren und System zum Detektieren ungewöhnlicher Bewegungen
DE19825303A1 (de) System für virtuelle Szenen mit mehreren Kameras unter Verwendung von Standbildspeicherrahmenpuffern für jede Kamera
DE60129245T2 (de) Methode zum entdecken neuer körper in einer beleuchteten umgebung
DE10049366A1 (de) Verfahren zum Überwachen eines Sicherheitsbereichs und entsprechendes System
DE102017109106B4 (de) Überwachungssystem und Videoanzeigeverfahren
WO2006034924A1 (de) Verfahren zur darstellung eines von einer videokamera aufgenommenen bildes
DE102020213288A1 (de) Anzeigevorrichtung für ein Videoüberwachungssystem, Videoüberwachungssystem sowie Verfahren
DE19749136C2 (de) Verfahren und Vorrichtung zum Erfassen von Bewegungen
DE19827835B4 (de) Bildübertragungsverfahren und -vorrichtung
DE3310949C2 (de)
WO2020064521A1 (de) Konzept zum aufbereiten von infrarotbildern
DE102005041241A1 (de) Verfahren und System zum Betreiben eines Kamerasystems eines Fahrzeugs
EP4006822A1 (de) Erzeugen einer panoramakarte zur erfassung einer szene mit mehreren kameras
EP4006821A1 (de) Bereitstellen eines bildes einer virtuellen kamera basierend auf einer gemeinsamen erfassung einer szene mit einer mehrzahl kameras

Legal Events

Date Code Title Description
8328 Change in the person/name/address of the agent

Representative=s name: WIESE KONNERTH FISCHER PATENTANWAELTE PARTNERSCHAF

8364 No opposition during term of opposition