[go: up one dir, main page]

DE102008039130A1 - Automatic tracing and identification system for movable object e.g. human, in building, has safety monitoring sensor connected with safety monitoring system such that tracing camera receives desired data when sensor is operated - Google Patents

Automatic tracing and identification system for movable object e.g. human, in building, has safety monitoring sensor connected with safety monitoring system such that tracing camera receives desired data when sensor is operated Download PDF

Info

Publication number
DE102008039130A1
DE102008039130A1 DE102008039130A DE102008039130A DE102008039130A1 DE 102008039130 A1 DE102008039130 A1 DE 102008039130A1 DE 102008039130 A DE102008039130 A DE 102008039130A DE 102008039130 A DE102008039130 A DE 102008039130A DE 102008039130 A1 DE102008039130 A1 DE 102008039130A1
Authority
DE
Germany
Prior art keywords
cameras
tracking
target
module
suspicious
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.)
Ceased
Application number
DE102008039130A
Other languages
German (de)
Inventor
Billy Hou
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.)
Innosys Industries Ltd Hk
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to DE102008039130A priority Critical patent/DE102008039130A1/en
Publication of DE102008039130A1 publication Critical patent/DE102008039130A1/en
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Alarm Systems (AREA)

Abstract

The system has a background light module (10) controlled by a light monitoring- and control module (8) to switch-on artificial light source to create a backlight depending on a condition of a monitored location. An alarm output/display/storage module (5) displays an alarm information, transmits output signals, and stores monitored alarm information and video images. A safety monitoring sensor (11) is connected with a safety monitoring system such that a tracing camera is controlled with full functions and receives desired data when the sensor is operated. An independent claim is also included for a method for tracing and identifying a movable object e.g. human, in a building.

Description

HINTERGRUND DER ERFINDUNGBACKGROUND OF THE INVENTION

1. Gebiet der Erfindung1. Field of the invention

Die vorliegende Erfindung betrifft intelligente Sicherheitsüberwachungstechnik und insbesondere ein durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungssystem, das aus einem Sammelmodul mit festem Gesichtsfeld, einem Sammelmodul mit variablen Gesichtsfeld mit vollen Funktionen, einem Videobilderkennungsalgorithmusmodul, einem neurales Netzwerksteuermodul, einem Verfolgungsmodul für eine verdächtiges Objekt, einem Datenbankvergleichs- und Alarmbeurteilungsmodul, einem Modul für Aufzeichnung überwachter Charakteristik und für Regeleinstellung, einem Lichtüberwachungs- und Steuermodul, einem Hintergrundlichtmodul, einem Alarmausgabe-/Anzeige-/Speichermodul und Sicherheitsüberwachungssensoren besteht.The The present invention relates to intelligent security monitoring technology and in particular, an automatic network controlled by a neural network Tracking and recognition system consisting of a collection module with Fixed field of view, a collection module with variable field of view with full features, a video image recognition algorithm module, a neural network control module, a suspicious object tracking module, a database comparison and alarm assessment module, a module for recording monitored Characteristic and for Control setting, a light monitoring and control module, a backlight module, an alarm output / display / memory module and safety monitoring sensors consists.

2. Beschreibung des Standes der Technik2. Description of the state of the technique

Im Verlauf der Entwicklung der menschlichen Zivilisation haben die Menschen ein starkes Verlangen nach Sicherheit. Der sich entwickelnde Trend der intelligenten Sicherheitstechnik hat sich von Untersuchungen nach einem Ereignis geändert zu „vor dem Ereignis zu bewahren, wodurch das Ereignis verhindert wird und eine schnelle Auflösung nach dem Ereignis erzielt wird”.in the History of the development of human civilization have the People a strong desire for security. The developing one Trend of intelligent security technology has been different from investigations changed after an event to "before to preserve the event, which prevents the event and a fast resolution after the event is achieved ".

Viele Sicherheitsüberwachungs- und Kontrollsysteme sind bekannt. Konventionelle Sicherheitsüberwachungs- und Kontrollsysteme sind in ihrer Funktion immer noch nicht zufriedenstellend und haben die folgenden allgemeinen Nachteile: 1. Feste Überwachungsbilder, die nicht im Stande sind, Charakteristiken eines verdächtigen Objekts klar zu erfassen, haben tote Winkel beim Aufnehmen von Bildern, was Untersuchungen nach einem Ereignis schwierig macht; 2. Es gibt keine Fähigkeit vor dem Ereignis zu bewahren, keinen intelligenten Algorithmus, keine Fähigkeit zum Selbstlernen, keine Fähigkeit des Feststellens des Verhaltens eines sich bewegenden Objekts gegen die Regel (z. B. Detektion bei Überschreiten einer Grenze, einer Richtung, einer Ansammlung usw.), keine Fähigkeit, die Identität eines verdächtigen Objektes mit Hilfe biologischer Erkennungstechnik zu identifizieren, um bewahrende Maßnahmen zu erzielen; 3. Es besteht nicht die Möglichkeit, die Bewegungsspur und Detailcharakteristiken des verdächtigen Objekts zu verfolgen; 4. Es wird eine große Menge von Kameras, Speichereinrichtungen und Netzstromversorgung benötigt, um den Überwachungsbetrieb zu erreichen.Lots security monitoring and control systems are known. Conventional security surveillance and control systems are still unsatisfactory in their function and have the following general disadvantages: 1. Fixed surveillance images, who are not capable of characteristics of a suspect Clearly detect object, have blind spots when taking pictures, which makes investigations after an event difficult; 2. There is no ability to save from the event, no intelligent algorithm, no ability to self-learning, no ability determining the behavior of a moving object against the rule (eg detection when exceeding a border, a direction, a collection, etc.), no ability the identity a suspect Identify objects using biological detection technology, for preserving measures to achieve; 3. There is no possibility of the track of movement and trace detail characteristics of the suspect object; 4. It's going to be a big one Amount of cameras, storage devices and mains power supply needed to the monitoring operation to reach.

Es gibt fortgeschrittene Systeme, die das Verhalten der Verletzung einer Regel eines sich bewegendes Objektes, Diebstahlsverhalten und zurückgelassenes Eigentum erkennen können. Diese Systeme verwenden einfach Sensorkameras, um sich mit einem Computer für Erkennung und Alarm sich abzustimmen, sie können nicht das Problem eines toten Winkel beim Aufnehmen von Bildern beseitigen und sind nicht im Stande, die Bewegungsspur eines verdächtigen Objekts und nicht deutliche Detailcharakteristiken eines verdächtigen Objekts zu verfolgen. Insbesondere bewirkt der kleine Bildmaßstab eines verdächtigen Objekts, dass die Erkennung der Identität des verdächtigen Objekts schwierig ist.It There are advanced systems that control the behavior of the injury a rule of a moving object, theft behavior and left behind Recognize property. These systems simply use sensor cameras to come up with one Computer for Detection and alarm to vote, they can not solve the problem of eliminating blind spots when taking pictures and are not able to track the motion of a suspicious object and not distinct Track detail characteristics of a suspicious object. In particular, the small image scale of a suspicious Object that the detection of the identity of the suspicious object is difficult.

ZUSAMMENFASSUNG DER ERFINDUNGSUMMARY OF THE INVENTION

Die vorliegende Erfindung wurde unter Berücksichtigung dieser Umstände geschaffen. Es ist ein Ziel der vorliegenden Erfindung, ein durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungssystem zu schaffen, das im Stande ist, sich auf ein verdächtiges Objekt einzurasten, die Bewegungsspur des verdächtigen Objekts zu verfolgen, Detailcharakteristiken des verdächtigen Objekts aufzunehmen und die Identität des verdächtigen Subjekts mit Hilfe biologischer Erkennungstechnik zu erkennen, wodurch Vorsorge vor dem Ereignis realisiert wird. Ein anderes Ziel der vorliegenden Erfindung ist es, ein automatisches durch ein neurales Netzwerk gesteuertes Verfolgungs- und Erkennungssystem zu schaffen, das die Erfordernisse frühzeitiger Erkennung, der Vorsage vor dem Ereignis, Verhindern des Ereignisses und schnelles Auflösen nach dem Ereignis ermöglicht. Noch ein anderes Ziel der vorliegenden Erfindung ist es, ein automatisches durch ein neurales Netzwerk gesteuertes Verfolgungs- und Erkennungssystem zu schaffen, das Netzwerktechnik verwendet, damit vielfache Systeme für Sicherheitsüberwachung eines großen Gebietes verbunden werden, z. B. ein Gebäude. Noch ein anderes Ziel der vorliegenden Erfindung ist es, ein durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungssystem zu schaffen, das Hintergrundlichtquellenmittel hat und Nachtsichtkameras verwendet, um bei Nacht oder in einer Umgebung zu arbeiten, wo das Umgebungslicht unzureichend ist.The The present invention has been made in consideration of these circumstances. It is an object of the present invention, one by a neural Network controlled automatic tracking and detection system to create a suspicious one Snap the object, trace the track of the suspicious object, Detailed characteristics of the suspect Object and identify the identity of the suspected subject using to recognize biological detection technology, thereby preventing the Event is realized. Another object of the present invention it is an automatic network controlled by a neural network To create a tracking and recognition system that meets the needs early Detection, the pre-event prevention, preventing the event and fast dissolution after the event allows. Yet another object of the present invention is to provide an automatic neural network controlled tracking and detection system to create the network technology used, thus multiple systems for security surveillance a large area be connected, for. B. a building. Yet Another object of the present invention is a by a neural network controlled automatic tracking and detection system to create, which has background light source means and night vision cameras used to work at night or in an environment where that Ambient light is insufficient.

Um diese und andere Ziele der vorliegenden Erfindung zu erreichen, weist das durch ein neurales Netzwerk gesteuerte automatische Verfolgungs- und Erkennungssystem ein Sammelmodul mit festem Gesichtsfeld, wobei das Sammelmodul mit festem Gesichtsfeld eine Mehrzahl von Sensorkameras zum Sammeln von Ansichtenbildern fester Stellen aufweist; ein Sammelmodul mit variablem Gesichtsfeld mit vollen Funktionen, wobei Sammelmodul mit variablem Gesichtsfeld mit vollen Funktionen eine Mehrzahl von Verfolgungskameras mit vollen Funktionen zum Aufnehmen von Bildern eines verdächtigen sich bewegenden Objekts aufweist, das in dem Abdeckungsbereich des Sammelmoduls mit festem Gesichtsfeld innerhalb von 360° erschienen ist; ein Videoerkennungsalgorithmusmodul, das eine Reihe von Algorithmen aufweist, die dazu ausgebildet sind, ein Zielobjekt aus Videobildern herauszusuchen, die durch das Sammelmodul mit variablem Gesichtsfeld mit vollen Funktionen für Analyse gesammelt sind, um die charakteristischen Teile des Zielobjekts zu identifizieren, wie z. B. ein menschliches Gesicht und eine Kraftfahrzeugkennzeichennummer; ein Steuermodul eines neurales Netzwerks zum Steuern der Winkelübereinstimmung der Verfolgungskameras mit vollen Funktionen mit den Sensorkameras und zum Steuern des Rotationswinkels, der Schärfe, der Apertur der Verfolgungskameras mit vollen Funktionen in Abhängigkeit von der zu gestattenden Bewegungsrichtung eines sich bewegenden Objekts im festen Gesichtsfeld, so dass die Kameras mit vollen Funktionen gesteuert werden, irgendwelche verdächtigen sich bewegenden Objekten zu verfolgen und die Detailcharakteristiken jedes verdächtigen sich bewegenden Moduls Objekts aufzunehmen; ein Spurverfolgungsmodul für ein verdächtiges Objekts, das dazu ausgebildet ist, die Spur eines verdächtigen Ziels wie z. B. ein menschliches Gesicht oder einen Schwerpunkt eines Objekts aufgrund der Bilder zu verfolgen, die durch die Sensorkameras erhalten werden, und die Bewegungsspur des verdächtigen Objekts aufgrund der Erkennungsergebnisse des Algorithmus des Videobilderkennungsalgorithmus aufzuzeichnen/aufzubauen; ein Datenbankvergleichs- und Alarmbeurteilungsmodul, das dazu ausgebildet ist, die Daten eines menschlichen Gesichts, die charakteristischen Daten eines verdächtigen Objekts und andere damit zusammenhängende Datenbankdaten für Vergleich in Abhängigkeit von den Erkennungsergebnissen der Algorithmen des Videobilderkennungsalgorithmus aufzunehmen und einen Bericht eines Alarms von „Überschreiten der Grenzen”, „Eintritt in ein eingeschränktes Gebiet”, „Falsche Bewegungsrichtung” usw. in Abhängigkeit von den eingestellten Regeln zu bestimmen; ein Modul für Aufzeichnung überwachter Charakteristik und für Regeleinstellung, das für die Eingabe von Charakteristiken eines Zielobjekts wie z. B. des Bildes eines menschlichen Gesichtes ausgebildet ist, um eine Datenbank einzurichten, und zum Einstellen von Alarmregel und Empfindlichkeitsgrad in Abhängigkeit von den Erfordernissen des überwachten Gebiets; Lichtüberwachungs- und Steuermodul, das dazu ausgebildet ist, den Umgebungslichtzustand aufgrund von Videobildern zu analysieren, die durch die Sensorkameras und die Verfolgungskameras mit festem Gesichtsfeld des Sammelmoduls mit festem Gesichtsfeld und des Sammelmoduls mit variablem Gesichtsfeld mit vollen Funktionen erhalten wird, und zum Steuern eines Hintergrundlichtmoduls, um Hintergrundlicht zu schaffen, wenn das Umgebungslicht für Überwachung unzureichend ist; ein Hintergrundlichtmodul, durch das das Lichtüberwachungs- und Steuermodul steuerbar ist, um infrarote Lichtquellenmittel und künstliche Lichtquellenmittel desselben anzuschalten, um ein Hintergrundlicht in Abhängigkeit vom Zustand des überwachten Ortes zu schaffen; ein Alarmausgabe/Anzeige/Speichermodul, das dazu ausgebildet ist, Alarminformationen anzuzeigen und ein Ausgangssignal abzugeben, und für Verwaltung und Speichern von überwachten Videobildern und Alarminformation; und Sicherheitsüberwachungssensoren auf, die mit anderen Sicherheitsüberwachungssystemen auf solche Weise verbunden sind, dass wenn die Sicherheitsüberwachungssensoren in Betrieb gesetzt werden, die Verfolgungskamera mit vollen Funktionen gesteuert werden, um die gewünschten Daten aufzunehmen.To achieve these and other objects of the present invention, the neural network controlled automatic tracking and detection system includes a fixed field of view collection module, the fixed field collection module having a plurality of sensor cameras for collecting solid image views; a full-function variable field collection module, wherein a full-function variable-field collection module includes a plurality of full-featured tracking cameras for capturing images of a suspect moving object appeared in the coverage area of the solid field of view collection module within 360 °; a video recognition algorithm module having a set of algorithms adapted to retrieve a target object from video images collected by the full-function variable-scope collection module for analysis to identify the characteristic parts of the target object, such as a video camera; A human face and a license plate number; a neural network control module for controlling the angular compliance of the full function tracking cameras with the sensor cameras and controlling the angle of rotation, sharpness, aperture of the full function tracking cameras depending on the direction of movement of a moving object in the fixed field of view such that the cameras are controlled with full functionality to track any suspect moving objects and to record the detail characteristics of each suspect moving object module; a suspicious object tracking module configured to track a suspect target such as a target; For example, to track a human face or a centroid of an object based on the images obtained by the sensor cameras and to record / build the track of motion of the suspect object based on the recognition results of the algorithm of the video image recognition algorithm; a database comparison and alarm assessment module adapted to acquire human face data, suspicious object characteristic data, and other related database data for comparison in response to the recognition results of the algorithms of the video image recognition algorithm, and a report of an alarm of "exceeding limits "," Entry into a restricted area "," Wrong direction of movement ", etc. depending on the set rules; a monitored characteristic recording and rule setting module useful for inputting characteristics of a target object, such as a target; The image of a human face is designed to set up a database and to set the alarm rule and sensitivity level depending on the requirements of the monitored area; A light monitoring and control module configured to analyze the ambient light condition based on video images obtained by the sensor cameras and the fixed field of view tracking cameras of the solid field of view collection module and the full field variable range of collection module, and for controlling a backlight module to provide background light when the ambient light is insufficient for monitoring; a backlight module by which the light monitoring and control module is controllable to turn on infrared light source means and artificial light source means thereof to provide a backlight depending on the state of the monitored location; an alarm output / display / memory module configured to display alarm information and output an output, and to manage and store monitored video images and alarm information; and security surveillance sensors connected to other security monitoring systems in such a manner that when the security surveillance sensors are activated, the full-featured tracking camera is controlled to acquire the desired data.

Weiter weist das Algorithmusmodul für Videobilderkennung eine Erkennungsmodul für menschliche Figuren, einen Algorithmus für die Positionierung eines menschlichen Kopfes, einen Algorithmus für Erkennung einen sich bewegenden Objektes, einen Algorithmus für Verhaltenserkennung und einen Erkennungsalgorithmus für Charakteristiken auf.Further indicates the algorithm module for Video image recognition a recognition module for human figures, a Algorithm for the positioning of a human head, an algorithm for detection a moving object, a behavioral recognition algorithm and a characteristic recognition algorithm.

Wenn man dies mit den konventionellen Einrichtungen vergleicht, hat die Erfindung die folgenden Vorteile:

  • 1. Überwachungsfähigkeit für ein variables Gesichtsfeld mit vollen Funktionen. Mit Hilfe von durch das neurale Netzwerk gesteueretem Abfühlen und der Verfolgungskameras mit vollen Funktionen nimmt das System wirksam Detailcharakteristiken eines verdächtigen Objekts zum Erkennen des menschlichen Gesichtes und eines besonderen Teils des verdächtigen Objekts mit Hilfe von biologischer Erkennung und Bilderkennungstechniken und Vergleich mit charakteristischen Parametern von einer Datenbank auf. Bei Erkennung des verdächtigen Objekts wird ein Alarmbericht in Echtzeit gegeben.
  • 2. Das System hat eine Verhaltenserkennungsfunktion, um das Verhalten einer Person und irgendeines sich bewegenden Objekts zu analysieren. Wenn das Verhalten eines sich bewegenden Objekts gegen die Regeln verstößt, gibt das System sofort einen Alarmbericht ab.
  • 3. Das System kann die Bewegungsspur des verdächtigen Ziels verfolgen und die Bewegungsspur des verdächtigen Ziels auf Videobildern und Architekturplänen anzeigen, wodurch die Bewegungsrichtung des sich bewe genden Ziels sichergestellt wird.
When compared with the conventional devices, the invention has the following advantages:
  • 1. Monitoring capability for a full-featured variable field of view. With the help of neural network controlled sensing and full function tracking cameras, the system effectively takes detail characteristics of a suspicious object to recognize the human face and a particular portion of the suspect object using biological recognition and image recognition techniques and comparison with characteristic parameters from a database on. Upon detection of the suspicious object, an alarm report is given in real time.
  • 2. The system has a behavioral recognition function to analyze the behavior of a person and any moving object. If the behavior of a moving object violates the rules, the system immediately issues an alarm report.
  • 3. The system can track the suspect target's motion trace and display the suspect target's motion trace on video images and architectural plans, ensuring the moving direction of the moving target.

Allgemein schafft die Erfindung ein automatisches durch ein neuronales Netzwerk gesteuertes Verfolgungs- und Erkennungssystem, das die Erfordernisse frühzeitiger Entdeckung, der Vorsage vor dem Ereignis, des Verhindern des Ereignisses und einer schnellen Auflösung nach dem Ereignis erzielt.Generally the invention provides an automatic through a neural network controlled tracking and detection system that meets the requirements early Discovery, the precaution before the event, the prevention of the event and a fast resolution achieved after the event.

KURZE BESCHREIBUNG DER ZEICHNUNGENBRIEF DESCRIPTION OF THE DRAWINGS

1 ist ein Systemblockdiagramm eines automatischen durch ein neurales Netzwerk gesteuerten Verfolgungs- und Erkennungssystems in Übereinstimmung mit der vorliegenden Erfindung; 1 Figure 12 is a system block diagram of an automatic neural network controlled tracking and detection system in accordance with the present invention;

2 ist ein Betriebsablaufdiagramm, das den Betrieb der vorliegenden Erfindung zeigt; 2 Fig. 10 is an operational flowchart showing the operation of the present invention;

3 zeigt ein auf Computer/DSP (digitaler Signalprozessor) beruhendes Verfolgungs- und Erkennungssystem gemäß der vorliegenden Erfindung; 3 shows a computer / DSP (digital signal processor) based tracking and detection system according to the present invention;

4A und 4B zeigen die groben Korrekturen des Winkels der Abbildung der Sensorkameras und der Verfolgungskameras mit vollen Funktionen des auf Computer/DSP (digitaler Signalprozessor) beruhenden Gebietsverfolgungs- und Erkennungssystems gemäß der Erfindung; 4A and 4B 10 show the gross corrections of the angle of imaging of the sensor cameras and full function tracking cameras of the computer / DSP (digital signal processor) based area tracking and detection system according to the invention;

5A und 5B stellen das Einstellen der Verhaltensregeln gemäß der Erfindung dar; 5A and 5B illustrate the setting of the rules of conduct according to the invention;

6A bis 6D zeigen den Unterschied zwischen dem Bild des verdächtigen Ziels, das durch das durch ein neurales Netzwerk gesteueretes automatisches Verfolgungs- und Erkennungssystems gemäß der Erfindung erhalten wird und dem Bild eines verdächtigen Ziels, das durch ein konventionelles Videobildüberwachungssystem erhalten wird. 6A to 6D show the difference between the image of the suspicious target obtained by the neural network controlled automatic tracking and detection system according to the invention and the image of a suspicious target obtained by a conventional video image surveillance system.

DETAILLIERTE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMDETAILED DESCRIPTION THE PREFERRED EMBODIMENT

1 ist ein Systemblockdiagramm eines automatisches durch ein Netzwer gesteuereten Verfolgungs- und Erkennungssystems gemäß der vorliegenden Erfindung. Das System besteht aus einem Sammelmodul 1 mit festem Gesichtsfeld, einem Sammelmodul 2 mit variablem Gesichtsfeld mit vollen Funktionen, einem Videobilderkennungsalgorithmusmodul 3, einem neuralen Netzwerksteuermodul 9, einem Modul 6 zum Verfolgen der Spur vom verdächtigen Objekten, einem Datenbankvergleichs- und Alarmbeurteilungsmodul 4, einem Modul 7 für Aufzeichnung überwachter Charakteristik und zum Einstellen von Regeln; einem Lichtüberwachungs- und Steuermodul 8, einem Alarmausgabe/Anzeige/Speichermodul 5, einem Hintergrundlichtmodul 10 und Sicherheitsüberwachungssensoren 11. 1 Figure 12 is a system block diagram of an automatic network controlled tracking and detection system according to the present invention. The system consists of a collection module 1 with fixed field of view, a collecting module 2 with variable field of view with full functions, a video image recognition algorithm module 3 , a neural network control module 9 , a module 6 for tracking the trace from the suspect object, a database compare and alert evaluation module 4 , a module 7 for recording monitored characteristics and for setting rules; a light monitoring and control module 8th , an alarm output / display / memory module 5 , a backlight module 10 and safety monitoring sensors 11 ,

Das Sammelmodul 1 mit festem Gesichtsfeld verwendet Sensorkameras von Pistolen- oder Kugeltyp, um Bilder von festen Stellen zu sammeln. Normalerweise sind drei Sensorkameras in einem Satz für ein lokales Gebiet angeordnet. Kameras können gewöhnliche Videokameras oder Sschwarzweißinfrarot-Nachtsichtkvideoameras sein.The collection module 1 fixed field of view uses pistol or ball type sensor cameras to collect images of fixed locations. Normally, three sensor cameras are arranged in one set for a local area. Cameras can be ordinary video cameras or black and white infrared night vision video cameras.

Das Sammelmodul 2 mit vollen Funktionen mit variablem Gesichtsfeld verwendet Hochgeschwindigkeitskameras mit Schale/Neigung/Zoom (pan-tilt-zoom) oder Kuppelkameras, um Bilder irgendeines verdächtigen sich bewegenden Objekts innerhalb eines 360°-Winkels des Abdeckungsbereichs jeder Kamera aufzunehmen. In Abhängigkeit von der Installationsumgebung können die Kameras gewöhnliche Kameras oder Infrarotschwarzweiß- Nachtsichtvideokameras sein. Das Sammelmodul 2 mit variablem Gesichtsfeld mit vollen Funktionen empfängt Steuersignale vom neuralen Netzwerksteuermodul 9, um Winkel und Schärfe einzustellen, was es ermöglicht, dass ein charakteristischen Teil des verdächtigen Objekts, z. B. das Bild eines Menschen auf dem mittleren Bereich des Bildes in einem vorbestimmten Maßstab angezeigt werden kann.The collection module 2 Full field variable field functions use pan-tilt-zoom or dome camera high-speed cameras to capture images of any suspicious moving object within a 360 ° angle of the coverage area of each camera. Depending on the installation environment, the cameras may be ordinary cameras or infrared black-and-white night vision video cameras. The collection module 2 Full-featured variable field of view receives control signals from the neural network control module 9 to adjust angle and sharpness, allowing a characteristic part of the suspect object, e.g. For example, the image of a human being may be displayed on the central area of the image at a predetermined scale.

Weiter können die Kameras des Sammelmoduls mit festem Gesichtsfeld und die des Sammelmoduls 2 mit variablem Gesichtsfeld mit vollen Funktionen CCD (ladungsgekoppelte Einrichtung)/CMOS (komplementärer Metalloxidhalbleiter)-Videokameras oder Wärmebildkameras sein.Further, the cameras of the collection module with fixed field of view and the collection module 2 with variable field of view with full CCD (Charge Coupled Device) / CMOS (Complementary Metal Oxide Semiconductor) video cameras or thermal imaging cameras.

Das Videobilderkennungsalgorithmusmodul 3 weist einen Algorithmus für Erkennung menschlicher Figuren, einen Positionieralgorithmus für menschliche Köpfe, einen Algorithmus für Erkennung sich bewegender Objekte, einen Algorithmus zum Erkennen von Verhalten und einen Erkennungsmodul für Charakteristiken auf. Das Ziel wird aus den gesammelten Videobildern ausgewählt und klassifiziert, und der charakteristische Teil des Ziels wird dann erkannt. Der Erkennungsalgorithmus für sich bewegende Objekte verwendet unterschiedliche Übereinstimmungsparameter, um das Ziel aufgrund des Typs des Objekts zu erkennen, z. B. unter Verwendung der charakteristischen Parameter eines Höhen/Breitenverhältnisses, eines Verhältnisses der oberen Gliedmassen zu unteren Gliedmassen und eines Kopf-Körperverhältnisses, um das Ziel zu erkennen. Der Verhaltenserkennungsalgorithmus soll unterschiedliches Verhalten einschließlich des Überschreitens von Grenzen, der Bewegungsrichtung, der Bewegungsgeschwindigkeit, dem Diebstahlverhalten, zurückgelassene Gegenstände usw. erkennen. Der Charakteristikerkennungsalgorithmus soll die Parameter der charakteristischen Teile der aufgenommenen Bilder wie z. B. die Cha rakteristik der Hautfarbe des menschlichen Gesichtes, Abstand der Pupillen, Knochengerüstmerkmale, Merkmale von fünf Sinnesorganen usw. berechnen.The video image recognition algorithm module 3 has a human figure recognition algorithm, a human head positioning algorithm, a moving object detection algorithm, a behavior recognition algorithm, and a characteristics recognition module. The target is selected and classified from the collected video images, and the characteristic part of the target is then recognized. The moving object detection algorithm uses different match parameters to recognize the target based on the type of object, e.g. Using the characteristic parameters of a height / width ratio, a ratio of the upper limbs to lower limbs, and a head-body ratio to detect the target. The behavioral detection algorithm is intended to detect different behaviors including boundary transgressions, direction of movement, speed of movement, theft behavior, objects left behind, etc. The characteristic recognition algorithm is intended to determine the parameters of the characteristic parts of the recorded images, such as the image. B. Characteristics of the skin color of the human face, distance of the pupils, skeletal features, features of five sensory organs, etc. calculate.

Das neurale Netzwerksteuermodul 9 bildet ein Steuersystem mit geschlossener Schlaufe mit Hilfe der Bilder der Verfolgungskameras mit vollen Funktionen. Das neurale Netzwerksteuermodul 9 steuert schnell die Verfolgungskameras mit vollen Funktionen auf dem groben Einstellwinkel aufgrund manueller Steuereinstellungen und steuert dann automatisch Feineinstellung des Winkels und der Schärfe der Verfolgungskameras mit vollen Funktionen, um den charakteristischen Teil des verdächtigen Objekts aufzunehmen, so dass der charakteristische Teil des verdächtigen Objekts im mittleren Bereich des Bildes angeordnet ist und das Gebiet des charakteristischen Teils des verdächtigen Objekts im Bild nicht weniger als 15% beträgt. Nach Bewegung des Ziels steuert das neurale Netzwerksteuermodul 9 die Verfolgungskameras mit vollen Funktionen, sich zu drehen und die Schärfe einzustellen, wodurch ununterbrochen der charakteristische Teil des verdächtigen Objekts verfolgt wird.The neural network control module 9 Forms a closed-loop control system with the help of images of full-featured tracking cameras. The neural network control module 9 Quickly controls the tracking cameras with full Functions on the coarse adjustment angle due to manual control settings and then automatically controls fine adjustment of the angle and sharpness of full function tracking cameras to pick up the characteristic part of the suspect object so that the characteristic part of the suspect object is located in the central area of the image and Area of the characteristic part of the suspicious object in the image is not less than 15%. After movement of the target, the neural network control module controls 9 the tracking cameras with full functions to rotate and adjust the sharpness, whereby the characteristic part of the suspicious object is continuously tracked.

Das Spurverfolgungsmodul 6 für das verdächtige Objekt verfolgt die Spur irgendeines verdächtigen Ziels in Abhängigkeit von Bildern der Sensorkameras. Es wählt Spurbildungscharakteristiken aus, wie z. B. ein menschliches Gesicht oder Schwerpunkt des Objekts in Abhängigkeit vom Typ des Zielobjekts, und zeichnet die Bewegungsspur des verdächtigen Objekts in Abhängigkeit von den Erkennungsergebnissen der Algorithmen auf und baut sie auf. Die Bewegungsspur kann in Architekturplankoordinatendaten umgewandelt werden, wenn dies nötig ist. Das System hat darin einen entsprechenden Koordinatenumwandlungsalgorithmus eingebaut.The tracking module 6 for the suspect object, the trail tracks any suspicious target in response to images from the sensor cameras. It selects tracking characteristics, such as A human face or centroid of the object depending on the type of the target object, and records and builds up the moving track of the suspicious object depending on the recognition results of the algorithms. The motion trace can be converted to architectural plan coordinate data if necessary. The system has incorporated therein a corresponding coordinate conversion algorithm.

Das Datenbankvergleichs- und Alarmbeurteilungsmodul 4 holt Daten menschlicher Gesichter, charakteristische Daten verdächtiger Objekte und irgendwelche anderen Daten von der Datenbank für Vergleich in Abhängigkeit von den Erkennungsergebnissen der Algorithmen und bestimmt einen Alarmbericht von „Grenzüberschreitung”, „Eintritt in eingeschränktes Gebiet”, „falsche Bewegungsrichtung” usw. in Abhängigkeit von eingestellten Regeln. Eine Alarmberichtregel für detaillierte Charakteristiken eines verdächtigen Objekts köann definiert sein als: Alarm in Übereinstimmung mit Datenbankcharakteristiken, oder Alarm, der nicht in Übereinstimmung ist mit Datenbankcharakteristiken.The database comparison and alarm assessment module 4 fetches human face data, suspicious object characteristic data and any other data from the database for comparison depending on the recognition results of the algorithms and determines an alarm report of "border crossing", "restricted area entry", "wrong direction of movement", etc. depending on set rules. An alert report rule for detailed characteristics of a suspicious object may be defined as: alarm in accordance with database characteristics, or alarm that is inconsistent with database characteristics.

Das Modul 7 für Aufzeichnung überwachter Charakteristik und Regeleinstellung ist für Eingabe der Charakteristiken eines Zielobjekts, z. B. Bilder menschlicher Gesichter, um eine Datenbank einzurichten, und erlaubt das Einstellen der Alarmregeln und des Empfindlichkeitsgrades in Abhängigkeit von Erfordernissen des überwachten Gebiets. Das Aufzeichnungsverfahren kann Echtzeitcharakteristikaufzeichnung sein, damit der Betreiber Daten in Echtzeit erhalten kann. Alternativ kann das Aufzeichnungsverfahren mit Hilfe von Zuführen von gegenwärtig zur Verfügung stehenden Daten erreicht werden. Um Systemzuverlässigkeit zu erreichen, aktualisiert das Modul 7 für Aufzeichnung von überwachter Charakteristik und Regeleinstellung automatisch erkannte Datencharakteristiken oder speichert bekannte Datencharakteristiken in der Datenbank.The module 7 for recording monitored characteristic and control setting is for entering the characteristics of a target object, eg. For example, human face images are used to set up a database and allow the setting of alarm rules and level of sensitivity depending on the monitored area requirements. The recording method may be real-time characteristic recording so that the operator can obtain data in real time. Alternatively, the recording method can be achieved by supplying currently available data. To achieve system reliability, the module updates 7 automatically recognizes data characteristics detected for monitoring monitored characteristic and control setting, or stores known data characteristics in the database.

Das Lichtüberwachungs- und Steuermodul 8 analysiert den Umgebungslichtzustand in Abhängigkeit von den Videobildern, die durch das Sammelmodul 1 mit festem Gesichtsfeld und das Sammelmodul 2 mit variablem Gesichtsfeld mit vollen Funktionen erhalten worden sind und steuert das Hintergrundlichtmodul 10, um Hintergrundlicht zu liefern, wenn das umgebende Licht für Überwachung unzureichend ist.The light monitoring and control module 8th analyzes the ambient light condition in dependence on the video images generated by the collection module 1 with fixed field of view and the collecting module 2 have been obtained with full-featured variable field of view and controls the backlight module 10 To provide background light when the ambient light is insufficient for monitoring.

Das Hintergrundlichtmodul 10 ist durch das Lichtüberwachungs- und Steuermodul 8 steuerbar, um eine Infrarotlichtquelle oder eine künstliche Lichtquelle in Abhängigkeit vo Zustand des überwachten Ortes einzuschalten, wodurch eine Hintergrundbeleuchtung geschaffen wird.The backlight module 10 is through the light monitoring and control module 8th controllable to turn on an infrared light source or an artificial light source depending on the state of the monitored location, thereby providing backlighting.

Das Alarmausgabe/Anzeige/Speichermodul 5 ist dazu ausgebildet, Alarminformation anzuzeigen und Ausgangssignale abzugeben, sowohl für die Verwaltung als auch die Speicherung von überwachten Videobildern und Alarminformation.The alarm output / display / memory module 5 is configured to display alarm information and output signals for both the management and storage of monitored video images and alarm information.

Die Sicherheitsüberwachungssensoren 11 sind mit anderen Sicherheitsüberwachungssystemen verbunden. Wenn die Sicherheitsüberwachungssensoren in Betrieb gesetzt werden, können die Verfolgungskameras mit vollen Funktionen ebenfalls gesteuert werden, die gewünschten Daten aufzunehmen.The safety monitoring sensors 11 are connected to other security surveillance systems. When the safety monitoring sensors are put into operation, full function tracking cameras can also be controlled to record the desired data.

2 ist ein Betriebsablaufdiagramm, das den Betrieb der vorliegenden Erfindung zeigt. Das durch ein neurales Netzwerk gesteuerete automatische Verfolgungs- und Erkennungssystem arbeitet entsprechend den folgenden Schritten:

  • (1) Betreibe die Sensorkameras und die Verfolgungskameras mit vollen Funktionen, um Zielbilder aufzunehmen, und betreibe die damit zusammenhängenden Algorithmen, für das Ziel charakteristische Parameter aufzunehmen, um sie in der Datenbank zu steuern, und führe auch vorher aufgezeichnete Bilder oder für das Ziel charakteristische Parameter in die Systemdatenbank. In Bezug auf Erkennung eines verdächtigen Ziels wird dieses in Abhängigkeit von einer Verhaltensregel bestimmt, die durch den Kunden voreingestellt ist, wie z. B. Überschreiten von Grenzen, Abnormalität bei der Bewegungsrichtung, Abnormalität bei der Bewegungsgeschwindigkeit, Diebstahlverhalten usw. Wenn ein sich bewegendes Objekt die Regel verletzt, wird es als ein „verdächtiges Objekt” angesehen.
  • (2) Kamerapositionkorrektur, damit das Überwachungsgebiet der Verfolgungskameras mit vollen Funktionen und der Sensorkameras für damit verknüpfte Abbildung kombiniert werden. Wie dies in 4 dargestellt ist, werden mit Hilfe von manueller Einstellung des Winkels und der Schärfe der Verfolgungskameras mit vollen Funktionen ausgewählte Bildpunkte, die von den Verfolgungskameras mit vollen Funktionen erhalten werden, mit entsprechenden Punkten von Bildern von den Sensorkameras in Beziehung gesetzt, so dass ein Parameter für die Steuerung des Betrachtungswinkels der Verfolgungskameras mit vollen Funktionen in der neuralen Netzwerksteuerung geschaffen wird, was es dem Modul der Steuerung des neuralen Netzwerkes ermöglicht, den vorgegebenen Betrachtungswinkel der Verfolgungskameras mit vollen Funktionen mit den Sensorkameras in grober Einstellung in Übereinstimmung zu bringen. Nach einer weiteren Feineinstellung und Steuerung nehmen die Verfolgungskameras mit vollen Funktionen die Detailcharakteristiken des verdächtigen Ziels auf.
  • (3) Das System sammelt dauernd die Videobilder von den Sensorkameras für Analyse durch die Haupteinheit. Wenn ein verdächtiges Ziel gefunden wird, steuert das neurale Netzwerksteuermodul des Systems die Drehung, die Schärfeneinstellung und die Apertur der Verfol gungskameras mit vollen Funktionen, um die Bilder des verdächtigen Ziels aufzunehmen, wobei der charakteristische Teil des verdächtigen Ziels im mittleren Bereich jedes Bildes gehalten wird und der Bereich des charakteristischen Teils des verdächtigen Ziels in jedem Bild nicht kleiner ist als 15%. Nach Bewegung des Ziels steuert das neurale Netzwerksteuermodul 9 die Verfolgungskameras mit vollen Funktionen, um sie zu schwenken und die Schärfe einzustellen, wobei dauernd der charakteristische Teil des verdächtigen Objekts verfolgt wird. Wenn die Umgebungslichtintensität nicht ausreichend ist, um die minimalen Arbeitsbedingungen zu erfüllen, steuert das Lichtüberwachungs- und Steuermodul das Hintergrundlichtmodul, um Hintergrundbeleuchtung zu schaffen. Gleichzeitig wird die Betriebsweise der Kameras in Abhängigkeit von Typ des Hintergrundlichtes gesteuert. Wenn das Hintergrundlicht im nahen Infrarot ist, werden die Kameras zur Schwarzweiß- und Nachtsichtbetriebsart umgeschaltet.
  • (4) Das System führt eine intelligente Bildanalyse an den Videobildern durch, die von den Sensorkameras gesammelt sind, wobei Überprüfung auf irgendein Verhalten vorgenommen wird, das die Verhaltensregel verletzt, wie z. B. Überschreiten einer Grenze, falsche Bewegungsrichtung, abnormale Bewegungsgeschwindigkeit, Diebstahlsverhalten usw. Wenn irgendein Verletzungsverhalten gefunden wird, wird das Ziel als ein verdächtiges Ziel angesehen. Zu diesem Zeitpunkt verfolgt das System automatisch die Bewegungsspur des verdächtigen Ziels. Die Bewegungsspur kann der Schwerpunkt oder der menschliche Kopf in Abhängigkeit vom Typ des überwachten Objekts sein. Weiter kann die Bewegungsspur die Spur des Gesichtsfeldes oder die Spur in einem Architekturplan sein, der durch eine lineare Umwandlung erhalten ist.
  • (5) Das System führt eine intelligente Bildanalyse an den Videobildern durch, die durch die Verfolgungskamera mit vollen Funktionen erhalten werden, und zwar mit Hilfe einer biologischen Identifizierungstechnik, um einen charakteristischen Teil des verdächtigen Ziels und die damit zusammenhängenden Parameter aufzunehmen. Die damit zusammenhängenden Parameter schließen die Hautfarbe des menschlichen Gesichtes, Puppillenabstand, Knochenbaumerkmale, Merkmale von fünf Sinnesorganen, Kfz-Nummernschildnummer, Farbe des Kfz-Nummernschildes usw. ein.
  • (6) Das System vergleicht so erhaltenen charakteristischen Parameter des verdächtigen Ziels mit den charakteristischen Parametern, die in der Datenbank gespeichert sind, und gibt dann einen entsprechenden Alarmbericht zu irgendeinen Gegenstand, der nicht mit den eingestellten Bedingungen übereinstimmt. Die Alarmregeln und -bedingungen schließen Alarm in Übereinstimmung mit Datenbankcharakteristiken und Alarme ein, die nicht in Übereinstimmung mit Datenbankcharakteristiken sind. Was irgendein erkanntes Charakteristikum anbetrifft, führt das System ein Selbstlernprogramm durch und speichert die neu erhaltenen neuen charakteristischen Parameter in der Datenbank.
2 Fig. 10 is an operational flowchart showing the operation of the present invention. The neural network controlled automatic tracking and detection system operates according to the following steps:
  • (1) Operate the full-featured sensor cameras and tracking cameras to capture target images, and operate the associated algorithms to capture characteristic parameters for the target to control them in the database, and also maintain pre-recorded images or characteristics characteristic of the target Parameters in the system database. With respect to detection of a suspicious target, it is determined in accordance with a behavioral rule preset by the customer, such as a behavioral rule. Eg crossing boundaries, movement direction abnormality, movement speed abnormality, theft behavior, etc. When a moving object violates the rule, it is considered a "suspicious object".
  • (2) Camera position correction to combine the surveillance area of the full-featured tracking cameras with the sensor cameras for associated mapping. Like this in 4 With the aid of manual adjustment of the angle and sharpness of the full function tracking cameras, selected pixels obtained from the full function tracking cameras are related to corresponding points of images from the sensor cameras, so that one parameter for the Control of the viewing angle of the full function tracking cameras in the neural network control is provided, which allows the neural network control module to match the given viewing angle of the full function tracking cameras with the sensor cameras in coarse adjustment. After further fine-tuning and control, full-featured tracking cameras capture the detail characteristics of the suspicious target.
  • (3) The system continuously collects the video images from the sensor cameras for analysis by the main unit. When a suspicious target is found, the system neural network control module controls the rotation, focus adjustment, and aperture of the full function tracking cameras to capture the images of the suspicious target with the characteristic portion of the suspect target held in the center of each image and the area of the characteristic part of the suspicious target in each image is not smaller than 15%. After movement of the target, the neural network control module controls 9 the tracking cameras with full functions to pan them and adjust the sharpness while constantly tracking the characteristic part of the suspicious object. If the ambient light intensity is insufficient to meet the minimum operating conditions, the light monitoring and control module controls the backlight module to provide backlighting. At the same time, the operation of the cameras is controlled depending on the type of backlight. When the backlight is in the near infrared, the cameras are switched to the black-and-white and night-vision modes.
  • (4) The system performs intelligent image analysis on the video images collected by the sensor cameras, checking for any behavior that violates the behavioral rule, such as: Exceeding a limit, wrong direction of movement, abnormal movement speed, theft behavior, etc. If any injury behavior is found, the target is regarded as a suspect target. At this point, the system automatically tracks the track of the suspicious target. The moving track may be the center of gravity or the human head depending on the type of object being monitored. Further, the moving track may be the track of the visual field or the track in an architectural plan obtained by a linear conversion.
  • (5) The system performs intelligent image analysis on the video images obtained by the full-function tracking camera using a biological identification technique to capture a characteristic portion of the suspected target and related parameters. Related parameters include the skin color of the human face, pupil spacing, bone features, features of five sensory organs, license plate number, license plate color, and so on.
  • (6) The system compares thus obtained characteristic parameter of the suspected target with the characteristic parameters stored in the database, and then gives a corresponding alarm report to any item that does not agree with the set conditions. The alarm rules and conditions include alarms in accordance with database characteristics and alarms that are inconsistent with database characteristics. As for any recognized characteristic, the system executes a self-learning program and stores the newly obtained new characteristic parameters in the database.

3 zeigt ein auf Computer/DSP (digitaler Signalprozessor) beruhendes Gebietsverfolgungs- und Erkennungssystem in Übereinstimmung mit der vorliegenden Erfindung. Wie dies dargestellt ist, weist das auf Computer/DSP (digitaler Signalpro zessor) beruhende Gebietverfolgungs- und Erkennungssystem Sensorkameras, eine Verfolgungskamera mit vollen Funktionen, eine Verfolgungs- und Erkennungshauptstation, Eingabe/Ausgabeausrüstung (z. B. Monitor und Tastatur) und eine LAN/Internetausrüstung ein. Die Verfolgungs- und Erkennungshauptstation ist der Kern des Systems, die dazu ausgebildet ist, eine Reihe von Funktionen einschließlich Bildsammeln, Erkennung, Beurteilung, Steuerung des neuralen Netzwerks, Verfolgung der sich bewegenden Spur, Lichtintensitätüberwachung und – steuerung, Aufzeichnen von überwachten Charakteristiken und Regeleinstellung, Alarmberichtausgabe und Datenzugriff einschließt. Die Verfolgungskamera mit vollen Funktionen wird gesteuert, sich zu drehen und die Schärfe in Abhängigkeit von den Anweisungen des neuralen Netzwerks der Verfolgungs- und Erkennungshauptstation einzustellen, wodurch die detaillierten charakteristischen Bilder des verdächtigen Ziels erhalten werden. Das System gibt Alarminformation durch einen Monitor aus. Das System liefert auch eine Netzwerkfunktion zum Übertragen von Daten und Bewegungsrichtungseingabeaufforderung unter verknüpften Systemen, so dass das gesamte System wirksam ein größeres Überwachungsgebiet überwacht. 3 shows a computer / DSP (digital signal processor) based area tracking and detection system in accordance with the present invention. As shown, the computer / DSP (Digital Signal Processor) based area tracking and detection system includes sensor cameras, a full function tracking camera, a main tracking and detection station, input / output equipment (eg, monitor and keyboard), and a LAN / Internet equipment. The main tracking and recognition station is the core of the system designed to perform a variety of functions including image collection, recognition, assessment, neural network control, tracking track tracking, light intensity monitoring and control, monitoring of monitored characteristics, and rule setting. Includes alarm report output and data access. The full-function tracking camera is controlled to rotate and adjust the sharpness in accordance with the instructions of the neural network of the tracking and detection main station, thereby obtaining the detailed characteristic images of the suspected target. The system outputs alarm information through a monitor. The system also provides a network function for transferring Da and motion prompting under linked systems so that the entire system effectively monitors a larger surveillance area.

Das auf Computer/DSP (digitaler Signalprozessor) beruhende Gebietsvefolgungs- und Erkennungssystem der vorliegenden Erfindung kann mehrere verdächtige Ziele im Abdeckungsbereich verfolgen und die Detailcharakteristiken jedes verdächtigen Ziels aufnehmen. Diese Funktionen werden erzielt durch:

  • 1. Rolle-wähle roll-poll) die Sensorkameras, um auf irgendein verdächtiges Ziel einzurasten, das die Regel verletzt; 2. Führe eine Gruppenanalyse durch. Wenn eine Gruppe von Menschen oder sich bewegenden Objekten entdeckt wird, nimmt das System das nächste verdächtige Ziel auf, dessen charakteristischer Teil klar ist;
  • 3. Wenn verteilte verdächtige Ziele entdeckt werden, geht das System dazu über, durch Rollen und Abfragen den charakteristischen Teil jedes verdächtigen Ziels für Erkennung und Berechnung aufzunehmen. Das System kann mehr als sechs verdächtige Ziele zugleich verfolgen.
The computer / DSP (digital signal processor) based area compliance and recognition system of the present invention can track multiple suspicious targets in the coverage area and record the detail characteristics of each suspicious target. These functions are achieved by:
  • 1. roll-roll-poll) the sensor cameras to lock onto any suspicious target that violates the rule; 2. Perform a group analysis. When a group of people or moving objects is discovered, the system picks up the next suspicious target whose characteristic part is clear;
  • 3. When distributed suspicious targets are discovered, the system proceeds to roll and poll the characteristic part of each suspicious target for recognition and computation. The system can track more than six suspicious targets at the same time.

Das auf Computer/DSP (digitaler Signalprozessor) beruhende Gebietverfolgung- und Erkennungssystem kann ein Netzwerksystem mit Hilfe von Intranettechnik einrichten, wodurch das gesamte Gebiet eines großen Gebäudes abgedeckt wird. Wenn ein verdächtiges Ziel aus einem der verbundenen Systeme entkommen ist, tritt das benachbarte Nachbarsystem unmittelbar in den Verfolgungszustand ein, um die Bilder des verdächtigen Ziels aufzunehmen, so dass die charakteristischen Parameter des verdächtigen Ziels von der Hauptstation eines Systems im Netzwerk zu einer anderen übertragen werden, was es den verbundenen Systemen ermöglicht, das verdächtige Ziel innerhalb eines großen Gebiets zu verfolgen.The based on computer / DSP (digital signal processor) area tracking and detection system can be a network system using intranet technology which covers the entire area of a large building. When a suspicious Target escapes from one of the connected systems, that occurs adjacent neighbor system immediately in the pursuit state, around the pictures of the suspect Target, so that the characteristic parameters of the suspect Destination from the main station of a system in the network to another become the suspicious target, enabling the connected systems within a big one Area to track.

5A und 5B zeigen die Einstellung von Verhaltensregeln gemäß der vorliegenden Erfindung, einschließlich Einstellungen von eingeschränkten Gebieten, erlaubter Bewegungsrichtung usw. Die Einstellungen können mit Hilfe einer Systemsoftware vorgenommen werden, um die individuellen Erfordernisse des Kunden zufrieden zu stellen. 5A and 5B show the setting of behavioral rules according to the present invention, including settings of restricted areas, allowed direction of movement, etc. The settings can be made by means of system software to satisfy the individual needs of the customer.

6A bis 6D zeigen den Unterschied zwischen dem Bild eines verdächtigen Ziels, das durch das durch ein neurales Netzwerk gesteuerte automatische Verfolgungs- und Erkennungssystem der vorliegenden Erfindung erhalten worden ist, und dem Bild eines verdächtigen Ziels, das durch ein konventionelles Videobildüberwachungssystem erhalten ist. 6A ist ein Bild der Vordertür einer Bank, das durch eine Kamera eines konventionellen Überwachungssystems erhalten ist, wo die Gesichtsmerkmale und die Nummernschildnummer des verdächtigen Ziels un deutlich sind. 6B ist ein Bild der vordertür derselben Bank, das gleichzeitig durch das durch ein neurales Netzwerk kontrollierte automatische Verfolgungs- und Erkennungssystem der vorliegenden Erfindung erhalten worden ist, wo die Gesichtsmerkmale und die Nummernschildnummer des verdächtigen Ziels deutlich sichtbar sind. Wenn die Charakteristiken des verdächtigen Ziels mit den Charakteristiken eines Kriminellen der Datenbank zusammenpassen, gibt das System sofort einen Alarmbericht. 6C ist ein Bild einer Parkverbotzone, das durch ein konventionelles Überwachungssystem erhalten ist, wo die Detailcharakteristiken des verbotswidrig parkenden Fahrzeuges nicht erkennbar sind. 6D ist ein Bild derselben Parkverbotzone, das gleichzeitig durch das durch ein Netzwerk gesteuerte automatische Verfolgungs- und Erkennungssystem der vorliegenden Erfindung erhalten ist, wo die Detailcharakteristiken des verbotswidrig parkenden Fahrzeuges gut erkennbar sind, so dass die erkannte Nummernschildnummer in einer Aufzeichnung für weitere Verarbeitung aufgezeichnet werden kann. 6A to 6D show the difference between the image of a suspicious target obtained by the neural network controlled automatic tracking and detection system of the present invention and the image of a suspicious target obtained by a conventional video image surveillance system. 6A is a picture of the front door of a bench obtained by a camera of a conventional surveillance system where the facial features and number plate number of the suspected target are unclear. 6B is an image of the front door of the same bank simultaneously obtained by the neural network controlled automatic tracking and detection system of the present invention, where the facial features and license plate number of the suspicious target are clearly visible. If the characteristics of the suspicious target match the characteristics of a criminal of the database, the system immediately gives an alarm report. 6C is an image of a parking prohibition zone obtained by a conventional monitoring system where the detail characteristics of the illegally parked vehicle are not recognizable. 6D is an image of the same parking prohibition zone simultaneously obtained by the network-controlled automatic tracking and detection system of the present invention, where the detail characteristics of the illegally parked vehicle are clearly recognizable, so that the recognized license plate number can be recorded in a record for further processing ,

Obwohl eine besondere Ausführungsform der Erfindung detailliert für Illustrationszwecke beschrieben worden ist, können verschiedene Abwandlungen und Verbesserungen vorgenommen werden, ohne vom Geist und Bereich der Erfindung abzuweichen. Demgemäß ist die Erfindung nur durch die beigefügten Ansprüche eingeschränkt.Even though a particular embodiment of Invention detailed for For illustration purposes, various modifications may be made and improvements are made without mind and scope to deviate from the invention. Accordingly, the invention is only by the attached claims limited.

Claims (10)

Von einem neuralen Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungssystem, das aufweist: ein Sammelmodul (1) für ein festes Gesichtsfeld, welches Sammelmodul (1) mit einem festen Gesichtsfeld eine Mehrzahl von Sensorkameras zum Sammeln von Ansichtsbildern von festen Stellen aufweist; ein Sammelmodul (2) mit vollen Funktionen und variablem Gesichtsfeld, welches Sammelmodul (2) mit vllen Funktionen und einem variablen Gesichtsfeld eine Mehrzahl von Verfolgungskameras mit vollen Funktionen zum Aufnehmen von Bildern eines verdächtigen sich bewegenden Objekts aufweist, das im Abdeckungsfeld des Sammelmoduls (1) für ein festes Gesichtsfeld innerhalb von 360° erschienen ist; ein Videoerkennungsalgorithmusmodul (3), das eine Reihe von Algorithmen aufweist, die dazu ausgebildet sind, ein Zielobjekt von Videobildern aufzunehmen, die durch das Sammelmodul (2) mit vollen Funktionen für ein variables Gesichtsfeld gesammelt sind, für Analyse, um die charakteristischen Teile des Zielobjekts wie z. B. das menschliche Gesicht und die Kfz-Nummernschildnummer zu identifizieren; ein Steuermodul (9) für das neurale Netzwerk zum Steuern von Winkelanpassung der Verfolgungskameras mit vollen Funktionen mit den Sensorkameras und zum Steuern des Drehwinkels, der Schärfe und der Apertur der Verfolgungskameras mit vollen Funktionen in Ab hängigkeit von den erlaubten Bewegungsrichtungen des sich bewegenden Objekts im festen Gesichtsfeld, so dass die Kameras mit vollen Funktionen gesteuert werden, jedes verdächtige sich bewegende Objekt zu verfolgen und die Detailcharakteristiken jedes verdächtigen sich bewegenden Objekts aufnehmen; ein Spurverfolgungsmodul (6) für das verdächtige Objekt, das dazu ausgebildet ist, die Spur des verdächtigen Ziels wie z. B. ein menschliches Gesicht oder den Schwerpunkt des Objekts in Abhängigkeit von Bildern zu verfolgen, die durch die Sensorkameras erhalten sind, und zum Aufzeichnen/Aufbauen der Bewegungsspur des verdächtigen Objekts in Abhängigkeit von dem Erkennungsergebnis der Algorithmen des Videoerkennungsalgorithmusmoduls (3); ein Modul (4) für Datenbankvergleich und Alarmbeurteilung, das dazu ausgebildet ist, menschliche Gesichtsdaten, charakteristische Daten eines verdächtigen Objekts und andere damit zusammenhängende Datenbankdaten für Vergleich in Abhängigkeit von den Erkennungsergebnissen der Algorithmen des Vidoeerkennungsalgorithmusmoduls (3) aufzunehmen und einen Alarmbericht von „Grenzüberschreitung”, „Eintritt in eingeschränktes Gebiet”, „falsche Bewegungsrichtung” usw. in Abhängigkeit von eingestellten Regeln zu bestimmen; ein Modul (7) zum Aufzeichnen von überwachten Charakteristiken und für Regeleinstellung, das für die Eingabe von Charakteristiken eines Zielobjekts wie z. B. eines menschlichen Gesichtsbildes ausgebildet ist, um eine Datenbank einzurichten, um Einstellalarmregel und Empfindlichkeitsgrad in Abhängigkeit von Erfordernissen des überwachten Gebiets; ein Lichtüberwachungs- und Steuermodul (8), das zum Analysieren und Steuern des Umgebungslichtszustands in Abhängigkeit von Videobildern ausgebildet ist, die durch die Sensorkameras und die Verfolgungskameras mit vollen Funktionen des Sammelmoduls (1) für festes Gesichtsfeld und des Sammelmoduls (2) mit vollen Funktionen mit variablem Gesichtsfeld erhalten sind, und zum Steuern eines Hintergrundlichtmoduls (10), um Hintergrundlicht zu liefern, wenn das Umgebungslicht für die Überwachung unzureichend ist; ein Hintergrundlichtmodul (10), das durch das Lichtüberwachungs- und Steuermodul (8) steuerbar ist, um Infratorlichtquellenmittel und künstliche Lichtquellenmittel desselben einzuschalten, um Hintergrundbeleuchtung in Abhängigkeit von dem Zustand des überwachten Ortes zu schaffen; ein Alarmausgabe/Anzeige/Speichermodul (5), das dazu ausgebildet ist, Alarminformation anzuzeigen und Ausgangssignale weiterzuleiten, und für Verwaltung und Speicherung von überwachten Videobildern und Alarminformation; und Sicherheitsüberwachungssensoren (11), die mit anderen Sicherheitsüberwachungssystemen auf solche Weise verbunden sind, dass, wenn die Sicherheitsüberwachungssensoren (11) in Betrieb gesetzt werden, die Verfolgungskameras mit vollen Funktionen gesteuert werden, die gewünschten Daten aufzunehmen.A neural network controlled automatic tracking and detection system comprising: a collection module ( 1 ) for a fixed field of view, which collecting module ( 1 ) having a fixed field of view, a plurality of sensor cameras for collecting view images of fixed locations; a collection module ( 2 ) with full functions and variable field of view, which collecting module ( 2 ) having a plurality of functions and a variable field of view, a plurality of tracking cameras with full functions for capturing images of a suspicious moving object located in the coverage area of the collection module (Fig. 1 ) has appeared for a fixed field of view within 360 °; a video detection algorithm module ( 3 ) comprising a number of algorithms adapted to receive a target object of video images that are captured by the collection module (10). 2 ) are collected with full functions for a variable field of view, for analysis in order to capture the characteristic parts of the target object, such as To identify, for example, the human face and the license plate number; a control module ( 9 ) for the neural network for controlling angular matching of the full function tracking cameras with the sensor cameras and for controlling the rotation angle, sharpness and aperture of the full function tracking cameras depending on the allowed moving directions of the moving object in the fixed field of view, so that the full function cameras are controlled to track each suspicious moving object and the Record detail characteristics of each suspicious moving object; a tracking module ( 6 ) for the suspect object that is designed to track the suspect target, such as the target. For example, to track a human face or the center of gravity of the object in response to images obtained by the sensor cameras, and to record the suspicious object's moving track depending on the recognition result of the algorithms of the video recognition algorithm module (FIG. 3 ); a module ( 4 ) for database comparison and alarm judgment, which is adapted to human face data, characteristic data of a suspicious object and other related database data for comparison in dependence on the recognition results of the algorithms of the video recognition algorithm module ( 3 ) and to generate an alarm report of "border crossing", "entry into restricted area", "wrong direction of movement" etc. depending on set rules; a module ( 7 ) for recording monitored characteristics and for rule setting necessary for inputting characteristics of a target object such. A human facial image is formed to establish a database to set setting alarm rule and sensitivity level depending on requirements of the monitored area; a light monitoring and control module ( 8th ) configured to analyze and control the ambient light condition in response to video images generated by the sensor cameras and full function tracking cameras of the collection module ( 1 ) for fixed field of view and the collection module ( 2 ) are obtained with full functions with variable field of view, and for controlling a backlight module ( 10 ) to provide background light when the ambient light is insufficient for monitoring; a backlight module ( 10 ), which is controlled by the light monitoring and control module ( 8th ) is controllable to turn on infrared light source means and artificial light source means thereof to provide backlighting depending on the state of the monitored location; an alarm output / display / memory module ( 5 ) configured to display alarm information and to forward output signals, and to manage and store monitored video images and alarm information; and safety monitoring sensors ( 11 ) connected to other security surveillance systems in such a way that when the security surveillance sensors ( 11 ), the tracking cameras are controlled with full functions to record the desired data. Durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungssystem nach Anspruch 1, bei dem die Sensorkameras Pistolen-Kugeltyp-Kameras (pistol/ball type) sind; die Verfolgungskameras mit vollen Funktionen Hochgeschwindigkeitsschalen/Neigungs/Zoom-Kameras (pan-tiltzoom))/Kuppelkameras sind; die Sensorkameras und die Verfolgungskameras mit vollen Funktionen auswählbar sind aus der Gruppe von CCD (ladungsgekoppelte Einrichtung), CMOS (komplementärer Metalloxydhalbleiter) und Wärmebildkameras.Automatic controlled by a neural network The tracking and detection system of claim 1, wherein the sensor cameras Pistol ball type cameras (pistol / ball type) are; the tracking cameras with full functions high-speed shells / tilt / zoom cameras (pan-tiltzoom)) / dome cameras are; the sensor cameras and the tracking cameras with full functions selectable are from the group of CCD (Charge Coupled Device), CMOS (complementary Metal oxide semiconductors) and thermal imaging cameras. Von einem neuralen Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungssystem nach Anspruch 1, bei dem das Vidoebilderkennungsalgorithmusmodul (3) einen Algorithmus zum Erkennen einer menschlichen Figur, einen Algorithmus zum Positionieren eines menschlichen Kopfes, einen Erkennungsalgorithmus für ein sich bewegendes Objekt, einen Verhaltenserkennungsalgorithmus und einen Erkennungsalgorithmus für Charakteristiken aufweist.A neural network controlled automatic tracking and recognition system according to claim 1, wherein the video image recognition algorithm module (10) comprises: 3 ) comprises a human figure recognition algorithm, a human head positioning algorithm, a moving object recognition algorithm, a behavior recognition algorithm, and a characteristics recognition algorithm. Durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungssystem nach Anspruch 1, das ein Steuerverfahren eines neuralen Netzwerks verwendet, um das Zielobjekt wie die Funktion eines menschlichen Auges aufzunehmen, indem die Sensorkameras angetrieben werden, auf das verdächtige Objekt einzurasten, und dann die Verfolgungskameras mit vollen Funktionen zu betreiben, um das Zielobjekt zu verfolgen, wobei die wichtigen Charakteristiken des Zielobjekts einschließlich der Gesichts- und Kfz-Nummernschildnummer aufgenommen werden.Automatic controlled by a neural network A tracking and recognition system according to claim 1, which is a control method a neural network uses the target object as the function of a human eye by driving the sensor cameras be on the suspicious Snap the object, and then the full-featured tracking cameras to operate to track the target object, with the important Characteristics of the target including the face and license plate number be recorded. Durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungssystem nach Anspruch 1, welches Videobilderkennungsalgorithmusmodul (3) ein Verhaltenserkennungsmodul aufweist, das dazu ausgebildet ist, unterschiedliches Verhalten einschließlich Grenzüberschreitung, Bewegungsrichtung, Bewegungsgeschwindigkeit, Diebstahlverhalten, zurückgelassenes Eigentum usw. zu erkennen.A neural network controlled automatic tracking and detection system according to claim 1, which comprises a video image recognition algorithm module (10). 3 ) has a behavior detection module adapted to recognize different behavior including border crossing, direction of movement, movement speed, theft behavior, abandoned property, etc. Durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungssystem nach Anspruch 1, welches Hintergrundmodul (10) Lichtquellenmittel im nahen Infrarot und Lichtwellenmittel im sichtbaren Bereich aufweisen, wobei die Sensorkameras und die Verfolgungskameras mit vollen Funktionen eine Nachtsichtfunktion haben, um Bilder im nahen Infrarot eines sich bewegenden Objekts aufzunehmen.A neural network controlled automatic tracking and detection system according to claim 1, which background module ( 10 ) Have near-infrared light source means and visible-wave lightwave means, the sensor cameras and the full-function tracking cameras having a night vision function for detecting near-infrared images of a moving observer record. Durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungsverfahren, das die Schritte aufweist: (i) Sensorkameras und Verfolgungskameras mit vollen Funktionen zu betreiben, Zielbilder aufzunehmen und vorbestimmte Algorithmen zu betreiben, um charakteristische Parameter einschließlich Bildern des menschlichen Gesichts und Charakteristiken und Kfz-Nummernschildnummer zum Speichern in einer Systemdatenbank aufzunehmen, vorher aufgezeichnete Bilder oder Zielcharakteristikparameter in die Systemdatenbank zu führen, und Verhaltensregeln einschließlich Grenzüberschreitung, Bewegungsrichtungsabnormalität, Bewegungsgeschwindigkeitsabnormalität und Bewegungsrichtungsabnormalität einzustellen; (ii) Kamerapositionskorrektur, damit die Überwachungsgebiete der Verfolgungskamera mit vollen Funktionen und der Sensorkameras miteinander kombiniert werden für verknüpfte Abbildung, mit Hilfe von manueller Einstellung des Winkels und der Schärfe der Verfolgungskameras mit vollen Funktionen, wobei ausgewählte Bildpunkte, die von den Verfolgungskameras mit vollen Funktionen erhalten werden, in Entsprechung gesetzte werden zu entsprechenden Punkten von Bildern, die von den Sensorkameras erhalten werden, so dass ein Parameter für die Steuerung des Betrachtungswinkels der Verfolgungskamera mit vollen Funktionen in der neuralen Netzwerksteuerung geschaffen wird, damit das neurale Netzwerksteuermodul (9) den vorgegebenen Betrachtungswinkel der Verfolgungskameras mit vollen Funktionen in Übereinstimmung mit den Sensorkameras in grober Einstellung steuern kann. Nachdem eine weitere Feineinstellung und -steuerung durchgeführt ist, nehmen die Verfolgungskameras mit vollen Funktionen die Detailcharakteristiken des verdächtigen Ziels auf. (iii) Das System sammelt dauernd die Videobilder von den Sensorkameras für Analyse auf solche Weise, dass, wenn ein verdächtiges Ziel gefunden wird, das neurale Netzwerksteuermodul (9) die Drehung, die Schärfeneinstellung und die Apertur der Verfolgungskameras mit vollen Funktion steuert, um die Bilder des verdächtigen Ziels aufzunehmen, wobei der charakteristische Teil des verdächtigen Ziels im mittleren Bereich jedes Bildes gehalten wird und das Gebiet des charakteristischen Teils des verdächtigen Ziel in jedem Bild nicht weniger ist als 15% beträgt, wobei der Bewegung des Ziels folgend das neurale Netzwerksteuermodul (9) die Verfolgungskameras mit vollen Funktionen steuert, sich zu drehen und die Schärfe einzustellen, wobei dauernd der charakteristische Teil des verdächtigen Objekts verfolgt wird; (iv) Das System führt eine intelligente Bildanalyse an den Videobildern durch, die von den Sensorkameras aufgenommen sind, wobei jegliches Verhalten gegen die Verhaltensregeln geprüft wird, wie z. B. Grenzüberschreitung, falsche Bewegungsrichtung, abnormale Bewegungsgeschwindigkeit, Diebstahlverhalten usw., wobei, wenn ein Übertretungsverhalten gefunden wird, das Ziel als ein verdächtiges Ziel angesehen wird, wobei gleichzeitig das System automatisch die Bewegungsspur des verdächtigen Ziels verfolgt, wie z. B. den Schwerpunkt oder den menschliche Kopf, in Abhängigkeit von dem Typ des überwachten Objekts; (v) Das System führt eine intelligente Bildanalyse in Videobildern durch, die durch die Verfolgungskameras mit vollen Funktionen erhalten worden sind, mit Hilfe einer biologischen Identifizierungstechnik, um einen charakteristischen Teil des verdächtigen Ziels und die damit zusammenhängenden Parameter aufzunehmen, wobei die damit zusammenhängenden Parameter die Hautfarbe des menschlichen Gesichtes, Pupillenabstand, Knochenbaumerkmale, Merkmale der fünf Sinnesorgane, Kfz-Nummernschildnummer und Kfz-Nummernschildfarbe einschließen. (vi) Das System vergleicht die so erhaltenen charakteristischen Parameter des verdächtigen Ziels mit den charakteristischen Parametern, die in der Datenbank gespeichert sind, und gibt dann einen entsprechenden Alarmbericht von jedem Gegenstand, der nicht mit den eingestellten Bedingungen konform ist; wobei die Alarmregeln und -bedingungen Alarm in Übereinstimmung mit Datenbankencharakteristiken und Alarm einschließen, die nicht in Übereinstimmung mit Datenbankcharakteristiken sind, in Bezug auf irgendwelche erkannten Charakteristiken führt das System ein selbstlernendes Programm durch und speichert die neu erhaltenen neuen Charakteristikenparameter in der Datenbank.A neural network controlled automatic tracking and detection method comprising the steps of: (i) operating sensor cameras and full function tracking cameras, capturing target images, and operating predetermined algorithms to provide characteristic parameters including human face images and characteristics and license plate number for storing in a system database, leading pre-recorded images or target characteristic parameters into the system database, and setting behavioral rules including boundary crossing, movement direction abnormality, movement speed abnormality, and movement direction abnormality; (ii) camera position correction to combine the surveillance areas of the full-function tracking camera and the sensor cameras for linked imaging, by manually adjusting the angle and sharpness of the full-featured tracking cameras, using selected pixels from the full-featured tracking cameras are set corresponding to respective points of images obtained from the sensor cameras, so that a parameter for controlling the viewing angle of the full function tracking camera in the neural network control is provided to allow the neural network control module (FIG. 9 ) can roughly control the given viewing angle of the full function tracking cameras in accordance with the sensor cameras. After further fine-tuning and control, the full-featured tracking cameras capture the detailed characteristics of the suspicious target. (iii) The system continuously collects the video images from the sensor cameras for analysis in such a way that, if a suspicious target is found, the neural network control module (FIG. 9 ) controls the rotation, focus adjustment, and aperture of the tracking cameras with full function to capture the images of the suspicious target, holding the characteristic part of the suspect target in the center of each image and the area of the characteristic part of the suspect target in each image not less than 15%, following the movement of the target, the neural network control module ( 9 ) controls the tracking cameras with full functions to rotate and adjust the sharpness, constantly tracking the characteristic part of the suspicious object; (iv) The system performs intelligent image analysis on the video images picked up by the sensor cameras, checking any behavior against the behavioral rules, such as: B. Border crossing, wrong direction of movement, abnormal movement speed, theft behavior, etc., where, if a violation behavior is found, the target is regarded as a suspicious target, while the system automatically tracks the track of the suspicious target, such. The center of gravity or the human head, depending on the type of object being monitored; (v) The system performs intelligent image analysis in video images obtained by the full function tracking cameras using a biological identification technique to capture a characteristic portion of the suspected target and related parameters, the parameters associated therewith Including skin color of the human face, pupillary distance, bone features, features of the five sensory organs, license plate number and license plate color. (vi) The system compares the thus-obtained characteristic parameters of the suspicious target with the characteristic parameters stored in the database, and then outputs a corresponding alarm report of each item that does not conform to the set conditions; wherein the alarm rules and conditions include alarms in accordance with database characteristics and alarms that are not in accordance with database characteristics, with respect to any recognized characteristics, the system executes a self-learning program and stores the newly obtained new characteristic parameters in the database. Durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungsverfahren nach Anspruch 7, bei dem die Einrichtung einer zielcharakteristischen Datenbank mit Hilfe von Aufzeichnen vom System überwachten Zielcharakteristiken und Echtzeitaufzeichnung durch ein Modul (7) für Aufzeichnung überwachter Charakteristik und Regeleinstellung durchgeführt wird, z. B. indem unterschiedliche Winkel und Profile eines menschlichen Gesichts in Echtzeit aufgezeichnet werden oder vorher aufgezeichnete Bilder in die Datenbank gespeichert werden.A neural network controlled automatic tracking and detection method according to claim 7, wherein the establishment of a target characteristic database by means of recording system monitored target characteristics and real time recording by a module ( 7 ) is performed for recording monitored characteristic and control setting, z. By recording different angles and profiles of a human face in real time, or storing previously recorded images into the database. Durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungsverfahren nach Anspruch 7, bei dem während Schritt (iv) bei der Verfolgung der Bewegungsspur des verdächtigen Ziels die Spurberechnung vervollständigt werden soll, wobei Verfolgung und Markierung innerhalb des Abdeckungsbereiches der Videobilder aufgenommen werden und um Spurkoordinaten auf Architekturplankoordinaten abzubilden, um so die Spur des verdächtigen Ziels auf dem Architekturplan zu markieren.Automatic controlled by a neural network The tracking and detection method of claim 7, wherein during step (iv) tracking the track of the suspicious target completes the track calculation should be, with tracking and marking within the coverage area video images and track coordinates on architectural plan coordinates to trace the trail of the suspicious target on the architectural plan to mark. Durch ein neurales Netzwerk gesteuertes automatisches Verfolgungs- und Erkennungsverfahren nach Anspruch 7, bei dem Schritt (v) zum Aufnehmen eines charakteristischen Teils des verdächtigen Ziels und der damit zusammenhängenden Parameter die Unterschritte aufweist: a) jedes Bild einer Reihe von Bildern, die von den Sensorkameras erhalten sind, zu analysieren, um sich bewegende Objekte aufzunehmen und um Parameter proportionaler Charakteristiken, Farbverteilungscharakteristiken, Markierungen der Verletzung einer Regel, Schwerpunkt, Bewegungsspur und Richtungsvorhersage von sich bewegenden Gegenständen zu berechnen; b) vergrößertes Detailbild des verdächtigen Objekts gegen Regeln durch ein Sammelmodul (4) mit vollen Funktionen und variablem Gesichtsfeld aufzunehmen, um so ein charakteristischen Teil des verdächtigen Objektes wie z. B. ein menschliches Gesicht oder eine Kfz-Nummernschildnummer aufzunehmen; c) die Parameter des charakteristischen Teils des verdächtigen Objekts zu berechnen, einschließlich Körpergrößenverhältnis, Knochenbaumerkmale des menschlichen Gesichtes, Pupillenabstand, Merkmale von fünf Sinnesorganen, Hautfarbe, Kfz-Nummernschildnummer und Fahrzeugfarbe; und d) die Sensorkameras zu verschwenken und abtasten zu lassen, um auf jedes der verdächtigen Ziele einzurasten, die im Überwachungsgebiet erschienen sind, und Gruppenanalyse durchzuführen, wenn eine Gruppe von sich bewegenden Objekten erschienen ist, wobei das System das nächste verdächtige Ziel aufnimmt, dessen charakteristischer Teil klar ist, und das System rollendes Aufnehmen verwendet, um den charakteristischen Teil jedes verdächtigen Ziels für Erkennung und Berechnung aufzunehmen, wenn verteilte verdächtige Ziele entdeckt werden.A neural network controlled automatic tracking and detection method according to claim 7, wherein step (v) of capturing a characteristic portion of the suspect target and related parameters comprises the substeps of: a) each image of a series of images taken by the sensor cameras to analyze to include moving objects and to calculate parameters of proportional characteristics, color distribution characteristics, marks of violation of a rule, center of gravity, trajectory and directional prediction of moving objects; b) enlarged detail image of the suspect object against rules by a collection module ( 4 ) with full functions and variable field of view, so as to form a characteristic part of the suspicious object such as a For example, to include a human face or license plate number; c) calculate the parameters of the characteristic part of the suspicious object, including body size ratio, human face bone features, pupillary distance, features of five sensory organs, skin color, license plate number and vehicle color; and d) pivoting and scanning the sensor cameras to lock onto each of the suspicious targets that have appeared in the surveillance area and perform group analysis when a group of moving objects has appeared, the system capturing the next suspicious target characteristic part is clear, and the system uses rolling picking to pick up the characteristic part of each suspect target for recognition and computation when detecting distributed suspicious targets.
DE102008039130A 2008-08-21 2008-08-21 Automatic tracing and identification system for movable object e.g. human, in building, has safety monitoring sensor connected with safety monitoring system such that tracing camera receives desired data when sensor is operated Ceased DE102008039130A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102008039130A DE102008039130A1 (en) 2008-08-21 2008-08-21 Automatic tracing and identification system for movable object e.g. human, in building, has safety monitoring sensor connected with safety monitoring system such that tracing camera receives desired data when sensor is operated

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102008039130A DE102008039130A1 (en) 2008-08-21 2008-08-21 Automatic tracing and identification system for movable object e.g. human, in building, has safety monitoring sensor connected with safety monitoring system such that tracing camera receives desired data when sensor is operated

Publications (1)

Publication Number Publication Date
DE102008039130A1 true DE102008039130A1 (en) 2010-02-25

Family

ID=41566685

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102008039130A Ceased DE102008039130A1 (en) 2008-08-21 2008-08-21 Automatic tracing and identification system for movable object e.g. human, in building, has safety monitoring sensor connected with safety monitoring system such that tracing camera receives desired data when sensor is operated

Country Status (1)

Country Link
DE (1) DE102008039130A1 (en)

Cited By (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682592A (en) * 2016-12-08 2017-05-17 北京泛化智能科技有限公司 Automatic image recognition system and method based on neural network method
CN107358191A (en) * 2017-07-07 2017-11-17 广东中星电子有限公司 Video alarm detection method and device
CN107415806A (en) * 2017-06-06 2017-12-01 高炎华 Intelligent warning lamp based on image recognition
CN109657588A (en) * 2018-12-11 2019-04-19 上海工业自动化仪表研究院有限公司 Intelligent edge calculations built-in terminal based on video identification
CN110414121A (en) * 2019-07-24 2019-11-05 中国十七冶集团有限公司 A kind of determination of video surveillance point functional parameter and arrangement analog analysing method
CN110929608A (en) * 2019-11-12 2020-03-27 国网天津市电力公司 Safety helmet wearing detection method and system
CN111400687A (en) * 2020-03-09 2020-07-10 京东数字科技控股有限公司 Authentication method and device and robot
CN111553264A (en) * 2020-04-27 2020-08-18 中国科学技术大学先进技术研究院 A campus unsafe behavior detection and early warning method suitable for primary and secondary school students
CN111695409A (en) * 2020-04-24 2020-09-22 合肥湛达智能科技有限公司 Deep learning non-courtesy zebra crossing detection method based on embedded terminal
CN112084925A (en) * 2020-09-03 2020-12-15 厦门利德集团有限公司 Intelligent electric power safety monitoring method and system
CN112347920A (en) * 2020-11-06 2021-02-09 苏州金螳螂文化发展股份有限公司 A kind of intelligent people flow statistics collection system in exhibition hall area based on neural network
CN113111728A (en) * 2021-03-22 2021-07-13 广西电网有限责任公司电力科学研究院 Intelligent identification method and system for power production operation risk in transformer substation
CN113269034A (en) * 2021-04-12 2021-08-17 南京瀚元科技有限公司 Power distribution station scene linkage system and method based on content identification
CN113507565A (en) * 2021-07-30 2021-10-15 北京理工大学 A fully automatic servo tracking shooting method
CN113658177A (en) * 2021-09-10 2021-11-16 江苏蓝针智能科技有限公司 Panel counting system based on image recognition
CN113688194A (en) * 2021-07-13 2021-11-23 金钱猫科技股份有限公司 Personnel movement track monitoring method and system and storage equipment
CN113743549A (en) * 2021-08-21 2021-12-03 太原向明智控科技有限公司 Personnel approach recognition alarm system and method
CN114067353A (en) * 2021-10-12 2022-02-18 北京控制与电子技术研究所 Method for realizing multi-source data fusion by adopting multifunctional reinforcement processor
CN114333045A (en) * 2021-11-15 2022-04-12 成都泰盟软件有限公司 Animal behavior identification method based on thermal imaging
CN114358993A (en) * 2021-12-23 2022-04-15 南京视察者智能科技有限公司 A full-process digital file system based on face recognition
CN114419823A (en) * 2021-12-24 2022-04-29 珠海大横琴科技发展有限公司 A visitor management method and device
CN114419475A (en) * 2021-12-02 2022-04-29 山东大学 Construction safety discrimination method and system based on video information behavior pattern recognition
CN114554137A (en) * 2020-11-24 2022-05-27 京东方科技集团股份有限公司 Regional management and control method, device, equipment and storage medium
CN114693738A (en) * 2022-04-11 2022-07-01 安徽朗巴智能科技有限公司 System for continuously tracking and identifying moving target
CN114821934A (en) * 2021-12-31 2022-07-29 北京无线电计量测试研究所 A kind of park perimeter security control system and method
CN114845054A (en) * 2022-04-25 2022-08-02 南京奥拓电子科技有限公司 Micro-motion camera control method and device
CN114900648A (en) * 2022-03-28 2022-08-12 安克创新科技股份有限公司 Pet monitoring method based on camera device with holder and camera device
CN114973571A (en) * 2022-05-23 2022-08-30 贵州天然气管网有限责任公司 Natural gas unattended station target object invasion and residence monitoring system
CN115095189A (en) * 2022-05-19 2022-09-23 中国人民解放军陆军炮兵防空兵学院 Millimeter wave duty-on-duty-refusing sentry box
CN115394025A (en) * 2021-05-20 2022-11-25 中国移动通信集团有限公司 Monitoring method, device, electronic device and storage medium
CN115412706A (en) * 2022-08-16 2022-11-29 深圳市景创科技电子股份有限公司 Monitor based on eyeball tracking and motion detection
CN115761633A (en) * 2022-11-17 2023-03-07 深圳市阳光博睿教育技术有限公司 Monitoring and early warning method based on application scene
CN115830288A (en) * 2022-11-29 2023-03-21 北京哈希深度网络科技有限公司 A pinhole camera intelligent terminal detection technology based on ToF imaging
CN116129603A (en) * 2023-02-09 2023-05-16 浙江江山变压器股份有限公司 Workshop safety monitoring system based on image recognition
CN116153005A (en) * 2023-02-21 2023-05-23 安徽隼波科技有限公司 Photovoltaic power station security protection early warning system and method based on thunder fusion
CN116189336A (en) * 2023-02-24 2023-05-30 广州奔智电子科技有限公司 Intelligent door lock security system
CN116206419A (en) * 2022-12-22 2023-06-02 国网河南省电力公司郑州供电公司 Transformer substation peripheral hidden danger early warning method and system based on complex space dynamic capture
CN116238985A (en) * 2023-01-18 2023-06-09 中国十七冶集团有限公司 Building elevator safety intelligent anti-falling early warning device and use method
CN116631020A (en) * 2022-12-23 2023-08-22 温州市铁路与轨道交通投资集团有限公司 A check-in security system for rail transit safety
CN116856797A (en) * 2023-07-17 2023-10-10 中国建筑第二工程局有限公司 A gabion wall enclosure system and its construction method and working method
CN116884065A (en) * 2023-07-05 2023-10-13 漳州立达信光电子科技有限公司 Face recognition method and computer-readable storage medium
CN117541984A (en) * 2023-11-10 2024-02-09 江苏奥威信息系统工程有限公司 Intelligent monitoring security system and method based on Internet of things
CN117938258A (en) * 2024-03-05 2024-04-26 深圳市百通光通信技术有限公司 Intelligent adjusting method for working mode of optical module
CN118400495A (en) * 2024-05-22 2024-07-26 深圳市新增彩创意电子有限公司 Security monitoring system, method, computer equipment and storage medium
CN118629137A (en) * 2024-08-08 2024-09-10 江苏蓝盾智能科技有限公司 An artificial intelligence-oriented access control monitoring system
CN119296239A (en) * 2024-11-01 2025-01-10 广州市伟粤通讯设备有限公司 Anti-theft monitoring and early warning method based on video remote monitoring
CN119625646A (en) * 2025-02-12 2025-03-14 福建省特种设备检验研究院泉州分院 Elevator electric vehicle identification method and system based on abnormality detection

Cited By (59)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682592B (en) * 2016-12-08 2023-10-27 北京泛化智能科技有限公司 Image automatic identification system and method based on neural network method
CN106682592A (en) * 2016-12-08 2017-05-17 北京泛化智能科技有限公司 Automatic image recognition system and method based on neural network method
CN107415806A (en) * 2017-06-06 2017-12-01 高炎华 Intelligent warning lamp based on image recognition
CN107358191A (en) * 2017-07-07 2017-11-17 广东中星电子有限公司 Video alarm detection method and device
CN109657588A (en) * 2018-12-11 2019-04-19 上海工业自动化仪表研究院有限公司 Intelligent edge calculations built-in terminal based on video identification
CN110414121A (en) * 2019-07-24 2019-11-05 中国十七冶集团有限公司 A kind of determination of video surveillance point functional parameter and arrangement analog analysing method
CN110414121B (en) * 2019-07-24 2023-06-06 中国十七冶集团有限公司 Method for determining and arranging simulation analysis of video monitoring point functional parameters
CN110929608A (en) * 2019-11-12 2020-03-27 国网天津市电力公司 Safety helmet wearing detection method and system
CN111400687A (en) * 2020-03-09 2020-07-10 京东数字科技控股有限公司 Authentication method and device and robot
CN111400687B (en) * 2020-03-09 2024-02-09 京东科技控股股份有限公司 Authentication method, authentication device and robot
CN111695409A (en) * 2020-04-24 2020-09-22 合肥湛达智能科技有限公司 Deep learning non-courtesy zebra crossing detection method based on embedded terminal
CN111695409B (en) * 2020-04-24 2024-02-02 合肥湛达智能科技有限公司 Deep learning non-gifting zebra crossing detection method based on embedded terminal
CN111553264B (en) * 2020-04-27 2023-04-18 中科永安(安徽)科技有限公司 Campus non-safety behavior detection and early warning method suitable for primary and secondary school students
CN111553264A (en) * 2020-04-27 2020-08-18 中国科学技术大学先进技术研究院 A campus unsafe behavior detection and early warning method suitable for primary and secondary school students
CN112084925A (en) * 2020-09-03 2020-12-15 厦门利德集团有限公司 Intelligent electric power safety monitoring method and system
CN112347920A (en) * 2020-11-06 2021-02-09 苏州金螳螂文化发展股份有限公司 A kind of intelligent people flow statistics collection system in exhibition hall area based on neural network
US12217510B2 (en) 2020-11-24 2025-02-04 Boe Technology Group Co., Ltd. Region management and control method, device, apparatus and storage medium
CN114554137A (en) * 2020-11-24 2022-05-27 京东方科技集团股份有限公司 Regional management and control method, device, equipment and storage medium
CN113111728A (en) * 2021-03-22 2021-07-13 广西电网有限责任公司电力科学研究院 Intelligent identification method and system for power production operation risk in transformer substation
CN113269034A (en) * 2021-04-12 2021-08-17 南京瀚元科技有限公司 Power distribution station scene linkage system and method based on content identification
CN115394025A (en) * 2021-05-20 2022-11-25 中国移动通信集团有限公司 Monitoring method, device, electronic device and storage medium
CN113688194A (en) * 2021-07-13 2021-11-23 金钱猫科技股份有限公司 Personnel movement track monitoring method and system and storage equipment
CN113507565A (en) * 2021-07-30 2021-10-15 北京理工大学 A fully automatic servo tracking shooting method
CN113507565B (en) * 2021-07-30 2024-06-04 北京理工大学 Full-automatic servo tracking shooting method
CN113743549A (en) * 2021-08-21 2021-12-03 太原向明智控科技有限公司 Personnel approach recognition alarm system and method
CN113658177B (en) * 2021-09-10 2024-05-31 江苏蓝针智能科技有限公司 Panel counting system based on image recognition
CN113658177A (en) * 2021-09-10 2021-11-16 江苏蓝针智能科技有限公司 Panel counting system based on image recognition
CN114067353B (en) * 2021-10-12 2024-04-02 北京控制与电子技术研究所 Method for realizing multi-source data fusion by adopting multifunctional reinforcement processor
CN114067353A (en) * 2021-10-12 2022-02-18 北京控制与电子技术研究所 Method for realizing multi-source data fusion by adopting multifunctional reinforcement processor
CN114333045A (en) * 2021-11-15 2022-04-12 成都泰盟软件有限公司 Animal behavior identification method based on thermal imaging
CN114419475A (en) * 2021-12-02 2022-04-29 山东大学 Construction safety discrimination method and system based on video information behavior pattern recognition
CN114358993A (en) * 2021-12-23 2022-04-15 南京视察者智能科技有限公司 A full-process digital file system based on face recognition
CN114419823A (en) * 2021-12-24 2022-04-29 珠海大横琴科技发展有限公司 A visitor management method and device
CN114821934A (en) * 2021-12-31 2022-07-29 北京无线电计量测试研究所 A kind of park perimeter security control system and method
CN114900648A (en) * 2022-03-28 2022-08-12 安克创新科技股份有限公司 Pet monitoring method based on camera device with holder and camera device
CN114693738A (en) * 2022-04-11 2022-07-01 安徽朗巴智能科技有限公司 System for continuously tracking and identifying moving target
CN114845054B (en) * 2022-04-25 2024-04-19 南京奥拓电子科技有限公司 Micro camera control method and device
CN114845054A (en) * 2022-04-25 2022-08-02 南京奥拓电子科技有限公司 Micro-motion camera control method and device
CN115095189A (en) * 2022-05-19 2022-09-23 中国人民解放军陆军炮兵防空兵学院 Millimeter wave duty-on-duty-refusing sentry box
CN114973571A (en) * 2022-05-23 2022-08-30 贵州天然气管网有限责任公司 Natural gas unattended station target object invasion and residence monitoring system
CN115412706A (en) * 2022-08-16 2022-11-29 深圳市景创科技电子股份有限公司 Monitor based on eyeball tracking and motion detection
CN115412706B (en) * 2022-08-16 2023-10-17 深圳市景创科技电子股份有限公司 Monitor based on eyeball tracking and motion detection
CN115761633A (en) * 2022-11-17 2023-03-07 深圳市阳光博睿教育技术有限公司 Monitoring and early warning method based on application scene
CN115830288A (en) * 2022-11-29 2023-03-21 北京哈希深度网络科技有限公司 A pinhole camera intelligent terminal detection technology based on ToF imaging
CN116206419A (en) * 2022-12-22 2023-06-02 国网河南省电力公司郑州供电公司 Transformer substation peripheral hidden danger early warning method and system based on complex space dynamic capture
CN116631020A (en) * 2022-12-23 2023-08-22 温州市铁路与轨道交通投资集团有限公司 A check-in security system for rail transit safety
CN116238985A (en) * 2023-01-18 2023-06-09 中国十七冶集团有限公司 Building elevator safety intelligent anti-falling early warning device and use method
CN116129603A (en) * 2023-02-09 2023-05-16 浙江江山变压器股份有限公司 Workshop safety monitoring system based on image recognition
CN116153005A (en) * 2023-02-21 2023-05-23 安徽隼波科技有限公司 Photovoltaic power station security protection early warning system and method based on thunder fusion
CN116189336A (en) * 2023-02-24 2023-05-30 广州奔智电子科技有限公司 Intelligent door lock security system
CN116189336B (en) * 2023-02-24 2023-09-08 广州奔智电子科技有限公司 Intelligent door lock security system
CN116884065A (en) * 2023-07-05 2023-10-13 漳州立达信光电子科技有限公司 Face recognition method and computer-readable storage medium
CN116856797A (en) * 2023-07-17 2023-10-10 中国建筑第二工程局有限公司 A gabion wall enclosure system and its construction method and working method
CN117541984A (en) * 2023-11-10 2024-02-09 江苏奥威信息系统工程有限公司 Intelligent monitoring security system and method based on Internet of things
CN117938258A (en) * 2024-03-05 2024-04-26 深圳市百通光通信技术有限公司 Intelligent adjusting method for working mode of optical module
CN118400495A (en) * 2024-05-22 2024-07-26 深圳市新增彩创意电子有限公司 Security monitoring system, method, computer equipment and storage medium
CN118629137A (en) * 2024-08-08 2024-09-10 江苏蓝盾智能科技有限公司 An artificial intelligence-oriented access control monitoring system
CN119296239A (en) * 2024-11-01 2025-01-10 广州市伟粤通讯设备有限公司 Anti-theft monitoring and early warning method based on video remote monitoring
CN119625646A (en) * 2025-02-12 2025-03-14 福建省特种设备检验研究院泉州分院 Elevator electric vehicle identification method and system based on abnormality detection

Similar Documents

Publication Publication Date Title
DE102008039130A1 (en) Automatic tracing and identification system for movable object e.g. human, in building, has safety monitoring sensor connected with safety monitoring system such that tracing camera receives desired data when sensor is operated
US8036425B2 (en) Neural network-controlled automatic tracking and recognizing system and method
DE60209760T2 (en) FACE IMAGING SYSTEM FOR PICTURE RECORDING AND AUTOMATED CONFIRMATION OF IDENTITY
DE69934068T2 (en) DETERMINATION OF THE POSITION OF EYES BY LIGHT REFLEX DETECTION AND CORRECTION OF DEFECTS IN A RECORDED IMAGE
CN105979210B (en) A kind of pedestrian's identifying system based on the more ball video camera arrays of multiple gun
DE60317396T2 (en) A composite camera system, a zoom camera image display control method, a zoom camera control method, a control program and a computer readable recording medium
DE69526397T2 (en) Closed TV surveillance system with mobile camera and automatic target acquisition
DE60005380T2 (en) MONITORING SYSTEM
CN101635834A (en) Automatic tracking and identifying system controlled by nerve
DE102008001391B4 (en) Fire detection device and method for fire detection
EP3058556B1 (en) Method and device for the automated early detection of forest fires by means of the optical detection of clouds of smoke
DE102010038341B4 (en) Video surveillance system and method for configuring a video surveillance system
EP0735757B1 (en) Method and apparatus for automatically taking pictures of a person's face
EP2422325B1 (en) Automated teller machine comprising at least one camera that produces image data to detect manipulation attempts
EP2422328B1 (en) Automated teller machine comprising at least one camera to detect manipulation attempts
DE19955714A1 (en) Method and apparatus for photographing / recognizing a face
EP2897112B1 (en) Method and apparatus for the prevention of false alarms in monitoring systems
WO2015040001A2 (en) Device, system and method for identifying a person
DE102017122362A1 (en) Object recognition device and object recognition method
EP2422327A1 (en) Automated teller machine comprising camera to detect manipulation attempts
WO2010121959A1 (en) Method for recognizing attempts at manipulating a self-service terminal, and data processing unit therefor
DE102018008282A1 (en) Device and method for detecting flying objects
DE10042935B4 (en) Method for monitoring a predetermined area and system
EP0951776B1 (en) Brightness control on video cameras
WO2016087202A1 (en) Image processing by means of cross-correlation

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
R082 Change of representative

Representative=s name: GLAWE DELFS MOLL - PARTNERSCHAFT VON PATENT- U, DE

R081 Change of applicant/patentee

Owner name: INNOSYS INDUSTRIES LTD., HK

Free format text: FORMER OWNER: HOU, BILLY, TAIPEI CITY, TW

Effective date: 20120820

Owner name: INNOSYS INDUSTRIES LTD., HK

Free format text: FORMER OWNER: BILLY HOU, TAIPEI CITY, TW

Effective date: 20120820

R082 Change of representative

Representative=s name: GLAWE DELFS MOLL PARTNERSCHAFT MBB VON PATENT-, DE

Effective date: 20120820

Representative=s name: GLAWE DELFS MOLL - PARTNERSCHAFT VON PATENT- U, DE

Effective date: 20120820

R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final

Effective date: 20131119