[go: up one dir, main page]

TWI605419B - 訪客群組方法及影像處理裝置 - Google Patents

訪客群組方法及影像處理裝置 Download PDF

Info

Publication number
TWI605419B
TWI605419B TW106110981A TW106110981A TWI605419B TW I605419 B TWI605419 B TW I605419B TW 106110981 A TW106110981 A TW 106110981A TW 106110981 A TW106110981 A TW 106110981A TW I605419 B TWI605419 B TW I605419B
Authority
TW
Taiwan
Prior art keywords
group
visitor
distance
less
threshold
Prior art date
Application number
TW106110981A
Other languages
English (en)
Other versions
TW201837855A (zh
Inventor
劉誠傑
張朝明
Original Assignee
晶睿通訊股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 晶睿通訊股份有限公司 filed Critical 晶睿通訊股份有限公司
Priority to TW106110981A priority Critical patent/TWI605419B/zh
Application granted granted Critical
Publication of TWI605419B publication Critical patent/TWI605419B/zh
Priority to US15/936,361 priority patent/US10528822B2/en
Publication of TW201837855A publication Critical patent/TW201837855A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Description

訪客群組方法及影像處理裝置
本發明關於一種訪客群組方法及影像處理裝置，尤指一種可有效地對訪客區分群組之訪客群組方法及影像處理裝置。
隨著大數據時代的來臨，利用客觀數據的分析，來檢討或提高某場所的服務品質與經營效率，已經成為愈來愈重要的趨勢。對於特定的場所而言，分析訪客中單獨與群組到訪的比例以及群組的人數比例，有助於特定的場所(例如博物館)設計出更符合訪客屬性的展示內容與陳設方式。以零售商店來說， 分析實際購買商品的人數與所有訪客人數的比例，亦即所謂的轉換率 (conversion rate)，有助於評估商店的經營績效，但訪客若是同一個家庭，則該家庭往往最多只會有一個人代表結帳，也就是一個家庭和一個單獨來購物的人一樣都是一個購物單元(shopping unit)。因此，如何有效地對訪客區分群組，便成為現今的一大重要課題。
本發明的目的之一在於提供一種可有效地對訪客區分群組之訪客群組方法及影像處理裝置，以解決上述問題。
根據一實施例，本發明之訪客群組方法包含下列步驟：接收一影像序列，其中該影像序列中存在一第一訪客與一第二訪客；判斷該第一訪客與該第二訪客於一第一相同時間點彼此間之距離是否小於一第一距離門檻值；當判斷該第一訪客與該第二訪客於該第一相同時間點彼此間之距離小於該第一距離門檻值時，判斷該第一訪客於該影像序列中之一第一起始位置與該第二訪客於該影像序列中之一第二起始位置間之距離是否小於一第二距離門檻值；當判斷該第一起始位置與該第二起始位置間之距離小於該第二距離門檻值時，計算該第一訪客與該第二訪客於該第一相同時間點後彼此間之距離每次大於或等於該第一距離門檻值之一第一時間間隔；判斷該第一時間間隔是否小於一時間門檻值；以及當判斷該第一時間間隔小於該時間門檻值時，將該第一訪客與該第二訪客視為同一群組。
根據另一實施例，本發明之影像處理裝置包含一影像接收單元以及一處理單元。該影像接收單元接收一影像序列。該處理單元電性連接於該影像接收單元。該處理單元執行如上所述之步驟。
綜上所述，本發明係根據訪客彼此間之距離與訪客於影像序列中之起始位置，來判斷訪客是否屬於同一群組，進而分析訪客中單獨與群組到訪的比例。藉此，特定的場所即可設計出更符合訪客屬性的展示內容與陳設方式，以提高服務品質與經營效率。另外藉此，零售商店可透過分析實際購買商品的購物單元數與所有購物單元數的比例，來評估經營績效。
關於本發明之優點與精神可以藉由以下的發明詳述及所附圖式得到進一步的瞭解。
請參閱第1圖至第3圖，第1圖為根據本發明一實施例之影像處理裝置1的功能方塊圖，第2圖為根據本發明一實施例之訪客群組方法的流程圖，第3圖為根據本發明一實施例之購物商場M的俯視示意圖。第2圖中的訪客群組方法適用於第1圖中的影像處理裝置1。
如第1圖所示，影像處理裝置1包含一影像接收單元10以及一處理單元12，其中處理單元12電性連接於影像接收單元10。於此實施例中，影像處理裝置1可為攝影機。於實際應用中，影像接收單元10可為電荷耦合元件（Charge-coupled Device，CCD）感測器或互補式金屬氧化半導體（Complementary Metal-Oxide Semiconductor，CMOS）感測器；處理單元12可為具有資料處理/運算功能之處理器或控制器。一般而言，影像處理裝置1中還會設有運作時必要的軟硬體元件，如電路板、電源供應器、應用程式、通訊模組、鏡頭等，視實際應用而定。
如第3圖所示，購物商場M外可附設一第一停車場P1以及一第二停車場P2，且購物商場M內可設置有商店S1、S2、S3。此外，購物商場M具有出入口D1、D2、D3。車輛停放於第一停車場P1的訪客可透過出入口D1進入購物商場M。車輛停放於第二停車場P2的訪客可透過出入口D2進入購物商場M。其它訪客可透過出入口D3進入購物商場M。於此實施例中，可將第1圖中的影像處理裝置1架設於第3圖中的購物商場M的天花板，以擷取並產生購物商場M之影像序列。
請參閱第4圖以及第5圖，第4圖為第一訪客V1與第二訪客V2於購物商場M內的行進軌跡的示意圖，第5圖為第一訪客V1與第二訪客V2於購物商場M內的行進軌跡的另一示意圖。在以影像處理裝置1執行訪客群組方法時，首先，由影像接收單元10接收購物商場M之一影像序列（第2圖中的步驟S10）。於此實施例中，在接收影像序列後，處理單元12會分析影像序列，以得到影像序列中每一個訪客的行進軌跡。如第4圖與第5圖所示，影像序列中存在一第一訪客V1與一第二訪客V2，其中第一訪客V1之行進軌跡為Tr1，且第二訪客V2之行進軌跡為Tr2。
於此實施例中，第一訪客V1在時間點t1時首次出現在影像序列內，其中點tr1_t1為第一訪客V1在時間點t1時的位置，點tr1_t2為第一訪客V1在時間點t2時的位置，依此類推；第二訪客V2在時間點t8時首次出現在影像序列內，其中點tr2_t8為第二訪客V2在時間點t8時的位置，點tr2_t9為第二訪客V2在時間點t9時的位置，依此類推。此外，第一訪客V1在時間點t7-t12時靜止不動，因此，tr1_t7-tr1_t12標示於同一點上；第二訪客V2在時間點t11-t12時靜止不動，因此，tr2_t11-tr2_t12標示於同一點上。
在接收影像序列後，處理單元12會持續判斷影像序列中每兩個訪客於相同時間點彼此間之距離是否小於一第一距離門檻值TH1。以第4圖為例：於時間t1時，由於影像中只有一個訪客(V1)，故不進行判斷；於時間t2時，由於影像中仍只有一個訪客(V1)，故不進行判斷；依此類推；於時間t8時，由於影像中有兩個訪客(V1與V2)，故判斷訪客V1與訪客V2彼此間之距離是否小於第一距離門檻值TH1。於此實施例中，可將「人際距離學」（Proxemics）所定義的個人距離(Personal distance) 50cm-120cm 的上限 120cm設定為第一距離門檻值TH1，但不以此為限。於時間t8時，判斷結果為訪客V1與訪客V2彼此間之距離並未小於第一距離門檻值TH1。於時間t9時，由於影像中有兩個訪客(V1與V2)，故判斷訪客V1與訪客V2彼此間之距離是否小於第一距離門檻值TH1，判斷結果為訪客V1與訪客V2彼此間之距離並未小於第一距離門檻值TH1。依此類推。因此，針對第一訪客V1與第二訪客V2，處理單元12會判斷第一訪客V1與第二訪客V2於一第一相同時間點彼此間之距離是否小於第一距離門檻值TH1（第2圖中的步驟S12）。
當處理單元12判斷第一訪客V1與第二訪客V2於任一相同時間點彼此間之距離皆大於或等於第一距離門檻值TH1時，處理單元12即會將第一訪客V1與第二訪客V2視為不同群組（第2圖中的步驟S14）。
如第4圖所示，第一訪客V1與第二訪客V2於時間點t11彼此間之距離小於第一距離門檻值TH1，其中時間點t11即為上述之第一相同時間點。當處理單元12判斷第一訪客V1與第二訪客V2於第一相同時間點t11彼此間之距離小於第一距離門檻值TH1時，處理單元12會進一步判斷第一訪客V1於影像序列中之一第一起始位置tr1_t1與第二訪客V2於影像序列中之一第二起始位置tr2_t8間之距離是否小於一第二距離門檻值TH2（第2圖中的步驟S16）。於此實施例中，可將購物商場M之出入口D1之寬度設定為第二距離門檻值TH2。
當處理單元12判斷第一訪客V1之第一起始位置tr1_t1與第二訪客V2之第二起始位置tr2_t8間之距離大於或等於第二距離門檻值TH2時，處理單元12即會將第一訪客V1與第二訪客V2視為不同群組（第2圖中的步驟S14）。
如第4圖所示，第一訪客V1之第一起始位置tr1_t1與第二訪客V2之第二起始位置tr2_t8間之距離小於第二距離門檻值TH2。當處理單元12判斷第一訪客V1之第一起始位置tr1_t1與第二訪客V2之第二起始位置tr2_t8間之距離小於第二距離門檻值TH2時，處理單元12會進一步計算第一訪客V1與第二訪客V2於第一相同時間點t11後彼此間之距離每次大於或等於第一距離門檻值TH1之一第一時間間隔TP1（第2圖中的步驟S18）。如第4圖與第5圖所示，於第一相同時間點t11後，第一訪客V1與第二訪客V2只有在時間點t16時彼此間之距離大於或等於第一距離門檻值TH1。第一訪客V1與第二訪客V2在時間點t12-t15與t17-t18時彼此間之距離皆小於第一距離門檻值TH1。假設每個tn與tn+1間的時間間隔為1秒，則上述之第一時間間隔TP1即為1秒。
接著，處理單元12會判斷第一時間間隔TP1是否小於一時間門檻值T_TH（第2圖中的步驟S20）。
當處理單元12判斷第一時間間隔TP1大於或等於時間門檻值T_TH時，處理單元12即會將第一訪客V1與第二訪客V2視為不同群組（第2圖中的步驟S14）。
假設上述之時間門檻值T_TH為5秒。由於第一時間間隔TP1為1秒，因此，第一時間間隔TP1係小於時間門檻值T_TH。當處理單元12判斷第一時間間隔TP1小於時間門檻值T_TH時，處理單元12即會將第一訪客V1與第二訪客V2視為同一群組（第2圖中的步驟S22）。
請參閱第6圖，第6圖為第一訪客V1、第二訪客V2與第三訪客V3於購物商場M內的行進軌跡的另一示意圖。如第6圖所示，除了第一訪客V1之行進軌跡Tr1與第二訪客V2之行進軌跡Tr2外，影像序列中另存在一第三訪客V3之行進軌跡為Tr3。於此實施例中，第三訪客V3在時間點t2時首次出現在影像序列內，其中點tr3_t2為第三訪客V3在時間點t2時的位置，點tr3_t3為第三訪客V3在時間點t3時的位置，依此類推。此外，第三訪客V3在時間點t7-t12時靜止不動，因此，tr3_t7-tr3_t12標示於同一點上。
如第6圖所示，第一訪客V1與第三訪客V3於時間點t7彼此間之距離小於第一距離門檻值TH1，其中時間點t7即為上述之第一相同時間點。當處理單元12判斷第一訪客V1與第三訪客V3於第一相同時間點t7彼此間之距離小於第一距離門檻值TH1時（第2圖中的步驟S12），處理單元12會進一步判斷第一訪客V1於影像序列中之第一起始位置tr1_t1與第三訪客V3於影像序列中之第二起始位置tr3_t2間之距離是否小於第二距離門檻值TH2（第2圖中的步驟S16）。
如第6圖所示，第一訪客V1之第一起始位置tr1_t1與第三訪客V3之第二起始位置tr3_t2間之距離大於第二距離門檻值TH2。當處理單元12判斷第一訪客V1之第一起始位置tr1_t1與第三訪客V3之第二起始位置tr3_t2間之距離大於第二距離門檻值TH2時，處理單元12即會將第一訪客V1與第二訪客V2視為不同群組（第2圖中的步驟S14）。
上述方法可運用在群組中的訪客於不同時間進入商場，且約定在某一商店前集合的群組判斷。與本發明另一實施例中，可省略步驟S12，且限制只能偵測若群組中的訪客於不同時間進入商場，但約定在商場某一出入口前集合的情形。請參閱第7圖，第7圖為第一訪客V1、第二訪客V2於購物商場M內的行進軌跡的另一示意圖。如第7圖所示，第一訪客V1在時間點t1時首次出現在影像序列內，其中點tr1_t1為第一訪客V1在時間點t1時的位置，點tr1_t2為第一訪客V1在時間點t2時的位置，依此類推。此外，第一訪客V1在時間點t1-t6時靜止不動，因此，tr1_t1-tr1_t6標示於同一點上。第二訪客V2在時間點t6時首次出現在影像序列內，其中點tr2_t6為第二訪客V2在時間點t6時的位置，點tr2_t7為第二訪客V2在時間點t7時的位置，依此類推。於此實施例中，處理單元12於接收影像序列(第2圖中的步驟S10)後，即直接進行步驟S16的判斷，而不進行步驟S12的判斷。
請參閱第8圖以及第9圖，第8圖為根據本發明另一實施例之訪客群組方法的流程圖，第9圖為第一群組G1與第二群組G2於購物商場M內的行進軌跡的示意圖。第8圖中的訪客群組方法亦適用於第1圖中的影像處理裝置1。如第9圖所示，影像序列中存在一第一群組G1與一第二群組G2，其中第一群組G1之行進軌跡為Tr3，且第二群組G2之行進軌跡為Tr4。此外，第一群組G1包含三個訪客，且第二群組G2包含兩個訪客。需說明的是，此處的行進軌跡Tr3與第6圖中的行進軌跡Tr3並非指同一軌跡。
於此實施例中，第一群組G1在時間點t1時首次出現在影像序列內，其中點tr3_t1為第一群組G1在時間點t1時的位置，點tr3_t2為第一群組G1在時間點t2時的位置，依此類推；第二群組G2在時間點t5時首次出現在影像序列內，其中點tr4_t5為第二群組G2在時間點t5時的位置，點tr4_t6為第二群組G2在時間點t6時的位置，依此類推。此外，第一群組G1在時間點t8-t15時靜止不動，因此，tr3_t8-tr3_t15標示於同一點上；第二群組G2在時間點t10-t15時靜止不動，因此，tr4_t10-tr4_t15標示於同一點上。
在以上述方式將訪客進行群組後，本發明可進一步對不同的群組進行再一次的群組。首先，處理單元12會判斷第一群組G1與第二群組G2於一第二相同時間點彼此間之距離是否小於一第三距離門檻值TH3（第8圖中的步驟S30）。於此實施例中，可將商店S3之寬度設定為第三距離門檻值TH3，但不以此為限。
當處理單元12判斷第一群組G1與第二群組G2於任一相同時間點彼此間之距離皆大於或等於第三距離門檻值TH3時，處理單元12即會將第一群組G1與第二群組G2視為不同群組（第8圖中的步驟S32）。
如第9圖所示，第一群組G1與第二群組G2於時間點t10彼此間之距離小於第三距離門檻值TH3，其中時間點t10即為上述之第二相同時間點。當處理單元12判斷第一群組G1與第二群組G2於第二相同時間點t10彼此間之距離小於第三距離門檻值TH3時，處理單元12會進一步判斷第一群組G1於影像序列中之一第三起始位置tr3_t1與第二群組G2於影像序列中之一第四起始位置tr4_t5間之距離是否小於一第四距離門檻值TH4（第8圖中的步驟S34）。於此實施例中，可將購物商場M之出入口D2之寬度設定為第四距離門檻值TH4。
當處理單元12判斷第一群組G1之第三起始位置tr3_t1與第二群組G2之第四起始位置tr4_t5間之距離大於或等於第四距離門檻值TH4時，處理單元12即會將第一群組G1與第二群組G2視為不同群組（第8圖中的步驟S32）。
如第9圖所示，第一群組G1之第三起始位置tr3_t1與第二群組G2之第四起始位置tr4_t5間之距離小於第四距離門檻值TH4。當處理單元12判斷第一群組G1之第三起始位置tr3_t1與第二群組G2之第四起始位置tr4_t5間之距離小於第四距離門檻值TH4時，處理單元12即會將第一群組G1與第二群組G2視為同一群組（第8圖中的步驟S36）。
於上述之步驟S30中，處理單元12可自第一群組G1所有訪客中選取一第三訪客V3，且自第二群組G2所有訪客中選取一第四訪客V4，其中第三訪客V3與第四訪客V4彼此間之距離最近，如第9圖所示。需說明的是，此處的第三訪客V3與第6圖中的第三訪客V3並非指相同訪客。接著，處理單元12可以第三訪客V3與第四訪客V4間的距離作為第一群組G1與第二群組G2彼此間之距離。
於上述之步驟S34中，處理單元12可以第一群組G1中任一訪客於影像序列中之一起始位置作為第一群組G1於影像序列中之第三起始位置tr3_t1，且以第二群組G2中任一訪客於影像序列中之一起始位置作為第二群組G2於影像序列中之第四起始位置tr4_t5。
若影像處理裝置1為深度攝影機（depth camera）或立體攝影機，則處理單元12可進一步分析影像序列得到每一個訪客之身高。於此實施例中，第一群組G1可包含至少一第三訪客，且第二群組G2可包含至少一第四訪客。因此，處理單元12可分析第一群組G1之每一個第三訪客之身高與第二群組G2之每一個第四訪客之身高。在判斷第一群組G1與第二群組G2是否為同一群組前，處理單元12可先根據每一個第三訪客之身高與每一個第四訪客之身高，判斷第一群組G1與第二群組G2的至少其中之一是否為一小孩群組。舉例而言，可針對小孩之身高設定一門檻值（例如，140公分）。當有訪客之身高小於此門檻值時，即判斷此訪客之群組為小孩群組。
請參閱第10圖以及第11圖，第10圖為根據本發明另一實施例之訪客群組方法的流程圖，第11圖為第一群組G1、第二群組G2與第三群組G3於購物商場M內的行進軌跡的另一示意圖。第10圖中的訪客群組方法亦適用於第1圖中的影像處理裝置1。如第11圖所示，影像序列中存在一第一群組G1、一第二群組G2與一第三群組G3，其中第一群組G1之行進軌跡為Tr3，第二群組G2之行進軌跡為Tr4，且第三群組G3之行進軌跡為Tr5。需說明的是，此處的行進軌跡Tr3與第6圖或第9圖中的行進軌跡Tr3並非指同一軌跡，且此處的行進軌跡Tr4與第9圖中的行進軌跡Tr4並非指同一軌跡。此外，點tr3_t16為第一群組G1在時間點t16時的位置，點tr3_t17為第一群組G1在時間點t17時的位置，依此類推；點tr4_t16為第二群組G2在時間點t16時的位置，點tr4_t17為第二群組G2在時間點t17時的位置，依此類推；點tr5_t16為第三群組G3在時間點t16時的位置，點tr5_t17為第三群組G3在時間點t17時的位置，依此類推。
根據上述之訪客群組方法，假設第一群組G1為小孩群組，且第一群組G1可與第二群組G2或第三群組G3視為同一群組。本發明可進一步根據下列方式判斷第一群組G1需與第二群組G2或第三群組G3視為同一群組。首先，處理單元12可計算第一群組G1與第二群組G2彼此間之距離小於第三距離門檻值TH3之一第二時間間隔TP2，且計算第一群組G1與第三群組G3彼此間之距離小於第三距離門檻值TH3之一第三時間間隔TP3（第10圖中的步驟S50）。接著，處理單元12會判斷第二時間間隔TP2是否小於第三時間間隔TP3（第10圖中的步驟S52）。當第二時間間隔TP2大於或等於第三時間間隔TP3時，處理單元12即會將第一群組G1與第二群組G2視為同一群組（第10圖中的步驟S54）。當第二時間間隔TP2小於第三時間間隔TP3時，處理單元12即會將第一群組G1與第三群組G3視為同一群組（第10圖中的步驟S56）。
如第11圖所示，第一群組G1與第二群組G2在時間點t17與t19-t21時彼此間之距離大於或等於第三距離門檻值TH3，且第一群組G1與第二群組G2在時間點t16與t18時彼此間之距離小於第三距離門檻值TH3。此外，第一群組G1與第三群組G3在時間點t17-t18時彼此間之距離大於或等於第三距離門檻值TH3，且第一群組G1與第三群組G3在時間點t16與t19-t21時彼此間之距離小於第三距離門檻值TH3。假設每個tn與tn+1間的時間間隔為1秒，則上述之第二時間間隔TP2即為2秒，且上述之第三時間間隔TP3即為4秒。由於第二時間間隔TP2小於第三時間間隔TP3，因此，可將第一群組G1與第三群組G3視為同一群組。
綜上所述，本發明係根據訪客彼此間之距離與訪客於影像序列中之起始位置，來判斷訪客是否屬於同一群組，進而分析訪客中單獨與群組到訪的比例。此外，本發明可進一步根據群組彼此間之距離與群組於影像序列中之起始位置，來判斷兩群組是否屬於同一群組。再者，本發明可先判斷是否有小孩群組，再將小孩群組與其它群組合併。藉此，特定的場所即可設計出更符合訪客屬性的展示內容與陳設方式，以提高服務品質與經營效率。另外藉此，零售商店可透過分析實際購買商品的購物單元數與所有購物單元數的比例，來評估經營績效。 以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。
1‧‧‧影像處理裝置 10‧‧‧影像接收單元 12‧‧‧處理單元 D1、D2、D3‧‧‧出入口 M‧‧‧購物商場 P1‧‧‧第一停車場 P2‧‧‧第二停車場 S1、S2、S3‧‧‧商店 TH1‧‧‧第一距離門檻值 TH2‧‧‧第二距離門檻值 TH3‧‧‧第三距離門檻值 TH4‧‧‧第四距離門檻值 Tr1-Tr5‧‧‧行進軌跡 tr1_t1-tr1_t18、tr2_t8-tr2_t18‧‧‧位置 tr3_t1-tr3_t21、tr4_t5-tr4_t21、tr5_t16-tr5_t21‧‧‧位置 G1‧‧‧第一群組 G2‧‧‧第二群組 G3‧‧‧第三群組 V1‧‧‧第一訪客 V2‧‧‧第二訪客 V3‧‧‧第三訪客 V4‧‧‧第四訪客 S10-S22、S30-S36、S50-S56‧‧‧步驟
第1圖為根據本發明一實施例之影像處理裝置的功能方塊圖。 第2圖為根據本發明一實施例之訪客群組方法的流程圖。 第3圖為根據本發明一實施例之購物商場的俯視示意圖。 第4圖為第一訪客與第二訪客於購物商場內的行進軌跡的示意圖。 第5圖為第一訪客與第二訪客於購物商場內的行進軌跡的另一示意圖。 第6圖為第一訪客、第二訪客與第三訪客於購物商場內的行進軌跡的另一示意圖。 第7圖為第一訪客與第二訪客於購物商場內的行進軌跡的另一示意圖。 第8圖為根據本發明另一實施例之訪客群組方法的流程圖。 第9圖為第一群組與第二群組於購物商場內的行進軌跡的示意圖。 第10圖為根據本發明另一實施例之訪客群組方法的流程圖。 第11圖為第一群組、第二群組與第三群組於購物商場內的行進軌跡的另一示意圖。
S10-S22‧‧‧步驟

Claims (10)

  1. 一種訪客群組方法，包含下列步驟： 接收一影像序列，其中該影像序列中存在一第一訪客與一第二訪客； 判斷該第一訪客與該第二訪客於一第一相同時間點彼此間之距離是否小於一第一距離門檻值； 當判斷該第一訪客與該第二訪客於該第一相同時間點彼此間之距離小於該第一距離門檻值時，判斷該第一訪客於該影像序列中之一第一起始位置與該第二訪客於該影像序列中之一第二起始位置間之距離是否小於一第二距離門檻值； 當判斷該第一起始位置與該第二起始位置間之距離小於該第二距離門檻值時，計算該第一訪客與該第二訪客於該第一相同時間點後彼此間之距離每次大於或等於該第一距離門檻值之一第一時間間隔； 判斷該第一時間間隔是否小於一時間門檻值；以及 當判斷該第一時間間隔小於該時間門檻值時，將該第一訪客與該第二訪客視為同一群組。
  2. 如請求項1所述之訪客群組方法，另包含下列步驟： 當判斷該第一訪客與該第二訪客於任一相同時間點彼此間之距離皆大於或等於該第一距離門檻值時，將該第一訪客與該第二訪客視為不同群組。
  3. 如請求項1所述之訪客群組方法，另包含下列步驟： 當判斷該第一起始位置與該第二起始位置間之距離大於或等於該第二距離門檻值時，將該第一訪客與該第二訪客視為不同群組。
  4. 如請求項1所述之訪客群組方法，另包含下列步驟： 當判斷該第一時間間隔大於或等於該時間門檻值時，將該第一訪客與該第二訪客視為不同群組。
  5. 如請求項1所述之訪客群組方法，其中該影像序列中存在一第一群組與一第二群組，該訪客群組方法另包含下列步驟： 判斷該第一群組與該第二群組於一第二相同時間點彼此間之距離是否小於一第三距離門檻值； 當判斷該第一群組與該第二群組於任一相同時間點彼此間之距離皆大於或等於該第三距離門檻值時，將該第一群組與該第二群組視為不同群組； 當判斷該第一群組與該第二群組於該第二相同時間點彼此間之距離小於該第三距離門檻值時，判斷該第一群組於該影像序列中之一第三起始位置與該第二群組於該影像序列中之一第四起始位置間之距離是否小於一第四距離門檻值； 當判斷該第三起始位置與該第四起始位置間之距離大於或等於該第四距離門檻值時，將該第一群組與該第二群組視為不同群組；以及 當判斷該第三起始位置與該第四起始位置間之距離小於該第四距離門檻值時，將該第一群組與該第二群組視為同一群組。
  6. 如請求項5所述之訪客群組方法，另包含下列步驟： 自該第一群組所有訪客中選取一第三訪客，且自該第二群組所有訪客中選取一第四訪客，其中該第三訪客與該第四訪客彼此間之距離最近；以及 以該第三訪客與該第四訪客間的距離作為該第一群組與該第二群組彼此間之距離。
  7. 如請求項5所述之訪客群組方法，另包含下列步驟： 以該第一群組中任一訪客於該影像序列中之一起始位置作為該第一群組於該影像序列中之該第三起始位置；以及 以該第二群組中任一訪客於該影像序列中之一起始位置作為該第二群組於該影像序列中之該第四起始位置。
  8. 如請求項5所述之訪客群組方法，其中該第一群組包含至少一第三訪客，該第二群組包含至少一第四訪客，該訪客群組方法另包含下列步驟： 分析該至少一第三訪客之身高與該至少一第四訪客之身高； 在判斷該第一群組與該第二群組是否為同一群組前，先根據該至少一第三訪客之身高與該至少一第四訪客之身高，判斷該第一群組與該第二群組的至少其中之一是否為一小孩群組。
  9. 如請求項8所述之訪客群組方法，其中該影像序列中另存在一第三群組，假設該第一群組為該小孩群組，該第一群組可與該第二群組或該第三群組視為同一群組，該訪客群組方法另包含下列步驟： 計算該第一群組與該第二群組彼此間之距離小於該第三距離門檻值之一第二時間間隔，且計算該第一群組與該第三群組彼此間之距離小於該第三距離門檻值之一第三時間間隔； 當該第二時間間隔大於或等於第三時間間隔時，將該第一群組與該第二群組視為同一群組；以及 當該第二時間間隔小於第三時間間隔時，將該第一群組與該第三群組視為同一群組。
  10. 一種影像處理裝置，包含： 一影像接收單元，接收一影像序列；以及 一處理單元，電性連接於該影像接收單元，該處理單元執行如請求項1至9中任一項所述之步驟。
TW106110981A 2017-03-31 2017-03-31 訪客群組方法及影像處理裝置 TWI605419B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW106110981A TWI605419B (zh) 2017-03-31 2017-03-31 訪客群組方法及影像處理裝置
US15/936,361 US10528822B2 (en) 2017-03-31 2018-03-26 Visitor grouping method and image processing device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW106110981A TWI605419B (zh) 2017-03-31 2017-03-31 訪客群組方法及影像處理裝置

Publications (2)

Publication Number Publication Date
TWI605419B true TWI605419B (zh) 2017-11-11
TW201837855A TW201837855A (zh) 2018-10-16

Family

ID=61023186

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106110981A TWI605419B (zh) 2017-03-31 2017-03-31 訪客群組方法及影像處理裝置

Country Status (2)

Country Link
US (1) US10528822B2 (zh)
TW (1) TWI605419B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11176373B1 (en) * 2018-01-12 2021-11-16 Amazon Technologies, Inc. System and method for visitor detection algorithm

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020070865A1 (en) * 2000-09-29 2002-06-13 Lancos Kenneth J. System and method for creating a group of guests at a coverage area
US20120105644A1 (en) * 2010-10-28 2012-05-03 Disney Enterprises, Inc. Automated Personalized Imaging System
US20140122170A1 (en) * 2012-10-26 2014-05-01 Disney Enterprises, Inc. Detection of guest position
TWM529910U (zh) * 2016-05-11 2016-10-01 Lin Hu Huang 智慧型產前產後安全管控系統

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7688349B2 (en) * 2001-12-07 2010-03-30 International Business Machines Corporation Method of detecting and tracking groups of people
US9672428B2 (en) * 2015-09-11 2017-06-06 Disney Enterprises, Inc. Systems and methods for detecting free-standing groups of individuals
US20170169297A1 (en) * 2015-12-09 2017-06-15 Xerox Corporation Computer-vision-based group identification

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020070865A1 (en) * 2000-09-29 2002-06-13 Lancos Kenneth J. System and method for creating a group of guests at a coverage area
US20120105644A1 (en) * 2010-10-28 2012-05-03 Disney Enterprises, Inc. Automated Personalized Imaging System
US20140122170A1 (en) * 2012-10-26 2014-05-01 Disney Enterprises, Inc. Detection of guest position
TWM529910U (zh) * 2016-05-11 2016-10-01 Lin Hu Huang 智慧型產前產後安全管控系統

Also Published As

Publication number Publication date
TW201837855A (zh) 2018-10-16
US10528822B2 (en) 2020-01-07
US20180285655A1 (en) 2018-10-04

Similar Documents

Publication Publication Date Title
CN112292866B (zh) 一种涉及视频会议的方法、系统及存储介质
US9615039B2 (en) Systems and methods for reducing noise in video streams
WO2018059408A1 (zh) 跨线计数方法和神经网络训练方法、装置和电子设备
US8472669B2 (en) Object localization using tracked object trajectories
US8385425B2 (en) Temporal video filtering for real time communication systems
CN104268900B (zh) 一种运动目标检测方法及装置
US20190050996A1 (en) Methods and apparatus to generate temporal representations for action recognition systems
WO2019023921A1 (zh) 一种手势识别方法、装置及设备
US8594449B2 (en) MPEG noise reduction
US20170195591A1 (en) Pre-processing for video noise reduction
KR20060075204A (ko) 적응형 문턱치를 이용한 영상의 평탄 영역 검출장치 및 그방법
CN109040664A (zh) 视频流处理方法及装置、电子设备和存储介质
TW201322144A (zh) 前景偵測裝置及方法
WO2016110090A1 (zh) 一种选择对焦区域的方法及装置
CN106663325A (zh) 图像处理装置、图像处理方法和程序
US20160247284A1 (en) Image processor with multi-channel interface between preprocessing layer and one or more higher layers
CN106651797B (zh) 一种信号灯有效区域的确定方法和装置
US10372994B2 (en) Method, system and apparatus for selecting a video frame
TWI605419B (zh) 訪客群組方法及影像處理裝置
CN109447022B (zh) 一种镜头类型识别方法及装置
TWI325124B (en) Motion detection method and related apparatus
US20110164185A1 (en) Apparatus and method for processing image data
TWI632504B (zh) 揮舞動作偵測方法及電子裝置
CN101278314A (zh) 用于确定图像拍摄类型的方法和装置
CN109451318B (zh) 便于vr视频编码的方法、装置、电子设备及存储介质