異常物體偵測方法與電子裝置ABNORMAL OBJECT DETECTING METHOD AND ELECTRIC DEVICE USING THE SAME

專利類型

發明

專利國別 (專利申請國家)

中華民國

專利申請案號

102102989

專利證號

I 505707

專利獲證名稱

異常物體偵測方法與電子裝置ABNORMAL OBJECT DETECTING METHOD AND ELECTRIC DEVICE USING THE SAME

專利所屬機關 (申請機關)

國立臺灣科技大學

獲證日期

2015/10/21

技術說明

在視訊監控中，異常物體偵測是一個重大的議題，透過電腦視覺分析視訊中的行人與車輛，進而判斷是否異常。傳統的異常物體偵測方法是透過事先定義異常事件規則來判斷，但真實世界的情況較為複雜，無法每一種異常都事先定義。鑑於以上方法的缺點，我們設計一套學習模式，不需要事先定義異常規則，而能自動檢測出異常事件與物體。 本技術提出一個可應用於各種環境中，即時自動偵測出異常物體的方法。首先，偵測場景上的移動物體，它是利用高斯混合模型偵測前景，並透過陰影濾除法消除前景陰影，再利用Blobs檢測出移動物體。接著，我們提出一個結合卡爾曼濾波器的改良式Mean Shift演算法，對這些移動物體進行追蹤，最後，使用卡爾曼濾波器平滑軌跡資料。 在異常物體偵測的程序中，我們將收集到的軌跡資訊，利用自我組織增量神經網路(Self-organizing incremental neural network; SOINN)，將這些軌跡資訊進行學習，而獲得一個正常的軌跡模組。之後，作為判斷移動物體是否正常的依據，反之即異常，自我組織增量神經網路具有抗雜訊等優點。 在實驗的部份，我們針對不同環境進行分析，例如：校園廣場、馬路、單行道。根據我們提出的方法，可以正確偵測到異常物體：在校園廣場的準確性是100％；在馬路是98.3％；在單行道是98.8％，且整體執行時間頗為快速，約需0.033秒到0.067秒。 In this report, we expect to design a set of learning model which does not predefine abnormal rules and can detect a variety of abnormal moving objects automatically in different environments. To achieve the above goal, the first thing is to detect the moving objects in video. The proposed method in this paper utilizes Gaussian Mixture Model (GMM) to detect foreground objects and remove shadows of objects by shadow removal. Then, adoptive mean shift algorithm with Kalman filter is proposed to track these moving objects. Finally, Kalman filter is used to smooth trajectory. After collecting the trajectories ofmoving objects, abnormal moving object detection process proceeds. At first, for this trajectory information, take advantage of Self-Organizing Incremental Neural Network (SOINN) to learn and build a normal trajectory model which is a foundation to determine whether follow-upmoving objects are abnormal. The average learning time is 7 to 55 seconds.

備註

本部(收文號1090055194)同意該校109年9月1日臺科大研字第1090106466號函申請終止維護專利(國立臺灣科技大學)

連絡單位 (專責單位/部門名稱)

技術移轉中心

連絡電話

02-2733-3141#7346

網址