JP6507843B2 - 映像解析方法及び映像解析装置 - Google Patents

Description

本発明は、画像処理の技術分野に関し、具体的には、映像解析方法及び映像解析装置に関する。

知能解析技術は映像監視システムの重要な構成部分である。システム構成では、この部分は、ハードウェアの形でフロントエンド装置として実施されてもよいし、ソフトウェアソリューションの形でバックエンドアプリケーションとして実施されてもよい。フロントエンド装置として実施されている場合は、ほとんどの映像符号化／復号化チップが符号化又は復号化のタスクしか完成できないため、高い計算量を負担するようにハードウェア資源（例えば専用チップ又は処理装置）をさらに増加する必要がある。バックエンドのサービスにソフトウェアソリューションが組み込まれている場合は、送信遅延及びチャネルノーズをもたらしてしまい、超大型の監視システムではバックエンドのサービス及びネットワーク容量に重い負荷を与えてしまう可能性がある。

また、従来の映像解析技術は、現在のレンズの監視モードを判断できないため、レンズの監視モードに応じて後の移動目標検出を改善できず、移動目標追跡の精度に影響を及ぼしてしまう。

本発明は、これに鑑みて、従来の映像解析技術で映像の監視モードを解析できず、移動目標検出の精度が低いという問題点を少なくとも解決できる映像解析方法、映像解析装置及び電子機器を提供することを目的とする。

本発明の一の態様では、現在の符号化フレームにおける各マクロブロックの動きベクトルデータ及びグレースケール平均値を取得するステップと、前記動きベクトルデータ及び前記グレースケール平均値に基づいて映像の監視モードを決定するステップと、前記監視モードが安定モードである場合、前記映像における移動目標を検出し、且つ／或いは前記映像における移動目標の移動軌跡を取得するステップと、前記監視モードが不安定モードである場合、不安定になる原因を検出するステップと、を含む、映像解析方法を提供する。

本発明の他の態様では、現在の符号化フレームにおける各マクロブロックの動きベクトルデータ及びグレースケール平均値を取得する取得手段と、前記動きベクトルデータ及び前記グレースケール平均値に基づいて映像の監視モードを決定する監視モード決定手段と、前記監視モードが安定モードである場合、前記映像における移動目標を検出し、且つ／或いは前記映像における移動目標の移動軌跡を取得し、前記監視モードが不安定モードである場合、不安定になる原因を検出する処理手段と、を含む、映像解析装置を提供する。

本発明の他の態様では、上記の映像解析装置を含む電子機器をさらに提供する。

本発明の他の態様では、プログラムプロダクトを実行する際に、機器に上記の映像解析方法を実行させる、該機器が読み取り可能な指令コードを記憶するプログラムプロダクトをさらに提供する。

また、本発明の他の態様では、上記のプログラムプロダクトを記憶するコンピュータが読み取り可能な記憶媒体をさらに提供する。

本発明の実施例に係る映像解析方法、映像解析装置及び電子機器では、マクロブロックの動きベクトルデータ及びグレースケール平均値を用いて映像の監視モードを決定し、対応する監視モードに基づいて操作を実行することで、フロントエンド装置に余計なハードウェア資源を増加する必要がないこと、符号化すると同時に処理結果を出力するため、リアルタイム性が高いこと、レンズの状態を効果的に検出し、レンズの状態に応じて処理を行うため、検出結果の正確性を向上でき、各種の使用環境に柔軟に適用できること、及び移動目標検出及び追跡方法を改善し、移動目標の追跡効果を向上すること、という有益な効果の少なくとも１つを実現できる。

本発明の１つの実施例に係る映像解析方法のフローチャートである。 本発明のもう１つの実施例に係る映像解析方法のフローチャートである。 本発明の１つの実施例に係る、各マクロブロックの平均グレースケール値を計算することを示す図である。 本発明の１つの実施例に係る、信頼動きベクトル及び信頼動きベクトルのカバー範囲の定義を示す図である。 本発明の１つの実施例に係る、映像の監視モードの種類を示す図である。 本発明の実施例に係る、移動目標に対する追跡処理のフローチャートである。 本発明の実施例に係る、移動目標を補正することを示す図である。 本発明の１つの実施例に係る映像符号化／復号化システムのブロック図である。 本発明の１つの実施例に係る映像解析システムのブロック図である。 本発明の１つの実施例に係る映像解析装置のブロック図である。 図１０に示す映像解析装置における検出部のブロック図である。

本発明の上記の目的、特徴及び利点をより明確に理解させるため、図面及び具体的な実施形態を参照しながら本発明を詳しく説明する。なお、矛盾しない限り、本発明の実施例及びその特徴を相互に組み合わせてもよい。

本発明を理解させるため、下記の明細書に具体的な細部が記載されているが、本発明はここに記載されているものと異なる態様で実施されてもよいため、本発明は以下に開示される具体的な実施例に限定されない。

本発明では、映像符号化から現在の符号化フレームにおける各マクロブロックの動きベクトルデータ及びグレースケール平均値を取得し、実際のアプリケーションに応じてマクロブロックのサイズを定義してもよい。マクロブロックのサイズが小さい（例えば８×８サイズのマクロブロック）ほど、処理結果がより正確であるが、大きいサイズのマクロブロック（例えば１６×１６サイズのマクロブロック）に比べると、より多くの計算資源を占有する必要がある。

後述する実施例では、動きベクトルデータ及びグレースケール平均値を生成するためのマクロブロックのサイズが１６×１６であると仮定する。

図１は、本発明の１つの実施例に係る映像解析方法のフローチャートである。

図１に示すように、本発明の実施例に係る映像解析方法は、下記のステップを含んでもよい。

ステップ１０２：現在の符号化フレームにおける各マクロブロックの動きベクトルデータ及びグレースケール平均値を取得する。

ステップ１０４：動きベクトルデータ及びグレースケール平均値に基づいて映像の監視モードを決定する。

ステップ１０６：監視モードが安定モードである場合、映像における移動目標を検出し、且つ／或いは映像における移動目標の移動軌跡を取得する。

ステップ１０８：監視モードが不安定モードである場合、不安定になる原因を検出する。

本実施例では、動きベクトルデータ及びグレースケール平均値により、映像の監視モード、即ちレンズの状態を決定できる。監視モードが安定モードである場合、現在取得された映像が安定であり、且つ有効であることを示すため、正常な移動目標検出及び追跡を行ってもよい。監視モードが不安定モードである場合、現在取得された映像が不安定であり、且つ必ずしも有効ではないことを示す。この場合は、移動目標の検出及び追跡を直接に行うことができず、監視システムをより知能化するように、不安定になる原因を決定して、対応する処理を決定する必要がある。

次に、図面を参照しながら、映像の監視モードの決定を説明する。

図２に示すように、ステップ２０２において、入力されたグレースケール平均値に基づいて各マクロブロックの局所グレースケール平均二乗偏差値（ＬＭＶ）を計算する。

各マクロブロックの局所グレースケール平均二乗偏差値を計算する際に、そのマクロブロックと隣接するマクロブロックの局所グレースケール平均二乗偏差値を参照して、該マクロブロックの局所グレースケール平均二乗偏差値を取得する。

図３に示すように、マクロブロックＭＢＹｃと隣接するマクロブロックが８つあり、それぞれはＭＢＹ_０〜ＭＢＹ_７である。下記の式に従って、ＭＢＹｃの局所グレースケール平均二乗偏差値ＬＭＶｃを計算する。

ステップ２０４において、下記の式に従って、現在の符号化フレームの全ての局所グレースケール平均二乗偏差値の平均値ａｖｇＬＭＶを計算する。

ここで、ｔｏｔａｌＬＭＶＮｕｍは、現在の符号化フレームにおけるマクロブロックの総数である。

ステップ２０６において、動きベクトルデータを直角座標から極座標に変換する。

ステップ２０８において、現在の符号化フレームの平均動きベクトルを計算する。

ステップ２１０において、信頼動きベクトルを決定する。

このステップでは、現在の符号化フレームにおける信頼動きベクトルの数の非ゼロ動きベクトルの総数に対する割合を計算し、信頼動きベクトルのカバー率を計算する。ここで、カバー率は、現在の符号化フレームにおける信頼動きベクトルのカバー範囲内の動きベクトルの数の和のマクロブロックの総数に対する割合であり、信頼動きベクトルのカバー範囲は、図４の菱形領域に示すように、各信頼動きベクトルを中心とする菱形領域の和集合により構成されている。

また、動きベクトルデータに基づいて非ゼロ動きベクトルの割合を計算する。ここで、非ゼロ動きベクトルの割合は、現在の符号化フレームにおける非ゼロ動きベクトルの数のマクロブロックの総数に対する割合である。

ステップ２１２において、上記の算出されたパラメータに基づいて映像の監視モード又はレンズの状態を判定する。

非ゼロ動きベクトルの割合が所定の大域動き範囲閾値よりも小さい場合、監視モードが安定モードであると決定し、そうでない場合、監視モードが不安定モードであると決定する。

不安定モードの場合、不安定になる原因を検出する必要がある。

例えば、監視モードが不安定モードである場合、非ゼロ動きベクトルデータの平均値が平均値閾値よりも大きく、且つ局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値よりも小さいとき、不安定になる原因が被干渉状態であると検出する。

非ゼロ動きベクトルデータの平均値が平均値閾値以下であり、且つ局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値以上である場合、信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ信頼動きベクトルのカバー率がカバー率閾値よりも大きいか否かを判断する。

信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ信頼動きベクトルのカバー率がカバー率閾値よりも大きいと判断された場合、不安定になる原因がレンズシフト状態であると検出し、そうでない場合、不安定になる原因が無効状態であると検出する。

なお、本実施例では、下記の方法を用いて動きベクトルが信頼動きベクトルであるか否かを判断する。

まず、隣接する各２つの動きベクトル間の角度に基づいて、隣接する各２つの動きベクトル間の類似度値を計算する。動きベクトルデータにおける各動きベクトルについて、該動きベクトルとそれに隣接する動きベクトルとの間の角度及び類似度値に基づいて、該動きベクトルが信頼動きベクトルであるか否かを決定する。

具体的には、動きベクトルに隣接する４つの動きベクトルのうち、少なくとも３つの動きベクトルと該動きベクトルとの角度が所定の角度値以下であり、且つ類似度値が所定の類似度値以上である場合、該動きベクトルが信頼動きベクトルであると決定する。なお、隣接する４つの動きベクトルについて判断するのは、計算量を低減するからである。計算量を考慮しない場合は、隣接する８つの動きベクトルについて判断してもよい。

上記解析を行うことにより、図５に示す監視モードの各状態を判断できる。

監視モードは、フロントエンドの撮像装置の安定性を表し、監視モードが安定モードである場合、レンズが安定であり、取得された動きベクトルデータが移動目標を正確に反映できることを表すため、移動目標の検出及び追跡を行ってもよい。監視モードが不安定モードである場合、レンズが不安定であり、取得された動きベクトルデータに歪みがあることを表す。

不安定になる原因が被干渉状態であると検出された場合、監視装置が干渉されている（例えば遮られた）ことを示す警告信号を出力し、不安定になる原因がレンズシフト状態であると検出された場合、現在の符号化フレームの大域動きを計算し、不安定になる原因が無効状態であると検出された場合、現在の入力映像が無効映像であり、解析に用いるものではないことを示す警告信号を出力する。無効状態となるのは、レンズの激しく動く、或いは光線条件が悪いからである。

上記の実施例では、一部の監視モード及び一部の不安定になる原因のみが記載され、新しいアプリケーションでは、他の監視モード及び他の不安定になる原因を追加してもよく、上記のケースに限定されない。

映像の監視モードが安定モードである場合、移動目標の検出及び追跡を行い、以下は、図６を参照しながら本発明の実施例に係る移動目標の検出及び追跡を説明する。

図６に示すように、ステップ６０２において、取得された現在の符号化フレームの動きベクトルデータをフィルタリングし、ノイズを除去する。動きベクトルデータに対してグループ分けを行い、各動きベクトルセットはＮ個の動きベクトルを含む。図７に示すように、現在の符号化フレームの各動きベクトルセット（図９において、Ｎが４である）に基づいて、局所類似度値を計算する。

ステップ６０４において、各動きベクトルセットについて１つの局所類似度値（ＬＳＶ）を取得し、現在の符号化フレームの局所類似度値（ＬＳＶ）を取得し、現在の符号化フレームの局所類似度値マップを取得し、局所類似度値マップを二値化する。

ステップ６０６において、現在の符号化フレームのグレースケール平均値を取得した後で、下記の式に示すように、現在の符号化フレームと直前の符号化フレームとの間のグレースケール差を計算する。

ここで、ＭＢＹＤ_ｉ，ｊは（ｉ，ｊ）番目のマクロブロックのグレースケール差を表し、ＭＢＹ_ｉ，ｊ ^ｔは（ｉ，ｊ）番目のマクロブロックの現在の符号化フレームｔにおけるグレースケール平均値を表し、ＭＢＹＤ_ｉ，ｊ ^ｔ−１は（ｉ，ｊ）番目のマクロブロックの直前の符号化フレームｔ−１におけるグレースケール平均値を表す。

ステップ６０８において、各マクロブロックが１つのグレースケール差に対応するように、現在の符号化フレームのグレースケール差マップを取得し、該グレースケール差マップを二値化する。

ステップ６１０において、二値化された局所類似度値マップ及び二値化されたグレースケール差マップに基づいて移動目標を決定し、初期的に決定された移動目標を補正する。

このステップでは、二値化された局所類似度値マップを分割して複数の独立した連結領域を取得し、各独立した連結領域を移動目標とし、該移動目標に対応する連結領域に含まれるマクロブロックの数がマクロブロック数閾値よりも大きいか否かを判断し、移動目標に対応する連結領域に含まれるマクロブロックの数がマクロブロック数閾値よりも小さい場合、移動目標が補正される移動目標であると決定し、グレースケール差マップに基づいて補正される移動目標を補正する。

ここで、図７に示すように、グレースケール差マップに基づいて補正される移動目標を補正するプロセスは、下記のステップを含む。

補正される移動目標に対応する連結領域の境界マクロブロックを連結領域に併合して拡張連結領域を取得し、グレースケール差マップから拡張連結領域の位置に対応するグレースケール差領域を取得し、境界マクロブロックにおけるグレースケール差領域と共通する複数のマクロブロックを連結領域に併合して補正された拡張連結領域を取得し、移動目標を補正する。

上記の補正方法を用いることで、小さい移動目標が後の１つ又は複数のフレーム画像において大きく変形してその移動が不明確になることにより、小さい移動目標を正確に検出できなくなるという問題点を回避できる。この補正方法は、グレースケールマップ及び局所類似度値マップに基づいて小さい候補移動目標を補正することで、該移動目標の移動特徴を強化でき、検出精度を向上できる。

ステップ６１２において、移動目標の追跡を行う。

不安定になる原因が被干渉である場合、レンズが揺れる可能性があり、対応する局所グレースケール平均二乗偏差値の最大値が更新されず、処理装置が所定の処理を実行する。例えば、処理装置は、レンズが揺れることを示す警告信号を出力する。或いは、処理装置は、処理装置は、符号化装置にこの場合に取得された画像に対して符号化処理を行わせないように、符号化装置へ類似する情報をフィードバックする。

不安定になる原因がレンズの安定的移動である場合、下記の式に示すように、大域動き推定モード（ＧＭＥ）を用いて現在の符号化フレームの大域動きを推定してもよい（大域動き推定モードの４つのパラメータを例とする）。

ここで、ｚはレンズのズームパラメータであり、ｒはレンズの回転パラメータであり、ｃ及びｄはレンズの二次元移動パラメータであり、ＭＶ_ｉ，ｊ（ｘ，ｙ）は（ｉ，ｊ）番目のマクロブロックの動きベクトルである。

レンズ移動を示すパラメータを計算した後で、処理装置はアプリケーション設定に応じて処理を実行する。例えば、処理装置は、アプリケーション階層に算出された警告信号を出力し、或いは動きベクトルを補正し、移動目標追跡モジュールに補正された動きベクトルを出力して解析し続ける。

不安定になる原因が無効状態である場合、処理装置はアプリケーション設定に応じて処理を実行する。例えば、処理装置は、アプリケーション階層に、入力された動きベクトルデータが映像解析に対して無効であることを示す警告信号を出力し、或いは符号化装置に現在取得された画像に対して符号化処理を行わせないように、符号化装置へ類似する情報をフィードバックする。

図８に示すように、本発明の実施例に係る映像符号化／復号化システム８０２は、映像符号化／復号化特定用途向け集積回路８０４を含む。映像符号化／復号化特定用途向け集積回路８０４における処理装置は、映像符号化／復号化装置からの動きベクトルデータ及びグレースケール平均値に基づいてレンズの状態又はレンズにより取得された映像の状態を決定し、決定された状態に基づいて操作を実行する。映像符号化／復号化特定用途向け集積回路８０４における映像符号化／復号化装置は、映像解析を行うように、動きデータを処理装置に出力する。

図９に示すように、本発明の実施例に係る映像解析システム９０２は、システムを監視するためのバックエンド装置に適用され、映像解析システム９０２は主に監視モード判定部９０２２及び行動分析部９０２４を含む。

図８は、本発明に係る映像符号化／復号化システムのハードウェアを示す図であり、図９は、本発明に係る映像解析システムの構成を示すブロック図である。図８及び図９に示すように、本発明に係る映像解析システムは、元の映像符号化／復号化装置の処理装置を用いてレンズ状態の解析及び処理を実行し、従来技術に比べると、余計なハードウェア資源を増加する必要がなく、ハードウェアコストを低減できる。また、図９に示すように、該映像解析システムは、フロントエンド機器として実施し、バックエンドのアプリケーションとして実施する技術に比べると、リアルタイム性が良く、符号化／復号化装置から動きベクトルデータ及びグレースケールデータを直接に取得できるため、符号化すると同時に映像検出モードの分析を行うことができ、分析速度が速く、時間遅延がない。また、移動目標を検出する際に、小さい移動目標を補正するため、検出精度を大幅に向上できる。

図１０は、本発明のもう１つの実施例に係る映像解析装置のブロック図である。

図１０に示すように、本発明の実施例に係る映像解析装置１０００は、取得部１００２、監視モード決定部１００４及び処理部１００６を含んでもよい。

取得部１００２は、現在の符号化フレームにおける各マクロブロックの動きベクトルデータ及びグレースケール平均値を取得する。

監視モード決定部１００４は、動きベクトルデータ及びグレースケール平均値に基づいて映像の監視モードを決定する。

処理部１００６は、監視モードが安定モードである場合、映像における移動目標を検出し、且つ／或いは映像における移動目標の移動軌跡を取得し、監視モードが不安定モードである場合、不安定になる原因を検出する。

ここで、監視モード決定部１００４は、第１の計算部１００４Ａ及び第１の判断部１００４Ｂを含む。

第１の計算部１００４Ａは、動きベクトルデータに基づいて非ゼロ動きベクトルの割合を計算する。非ゼロ動きベクトルの割合は、現在の符号化フレームにおける非ゼロ動きベクトルの数のマクロブロックの総数に対する割合である。

第１の判断部１００４Ｂは、非ゼロ動きベクトルの割合が大域動き範囲閾値よりも小さい場合、監視モードが安定モードであると決定し、そうでない場合、監視モードが不安定モードであると決定する。

ここで、処理部１００６は、第２の計算部１００６Ａ及び第２の判断部１００６Ｂを含む。

第２の計算部１００６Ａは、現在の符号化フレームにおける全ての非ゼロ動きベクトルデータの平均値を計算し、マクロブロックと隣接する隣接マクロブロックのグレースケール平均値及び該マクロブロックのグレースケール平均値に基づいて該マクロブロックの局所グレースケール平均二乗偏差値を計算し、現在の符号化フレームの全ての局所グレースケール平均二乗偏差値の平均値を計算し、現在の符号化フレームにおける信頼動きベクトルを決定し、現在の符号化フレームにおける信頼動きベクトルの数の非ゼロ動きベクトルの総数に対する割合を計算し、信頼動きベクトルのカバー率を計算する。ここで、カバー率は、現在の符号化フレームにおける信頼動きベクトルのカバー範囲内の動きベクトルの数の和のマクロブロックの総数に対する割合であり、信頼動きベクトルのカバー範囲は、各信頼動きベクトルを中心とする菱形領域の和集合により構成されている。

第２の判断部１００６Ｂは、監視モードが不安定モードである場合、非ゼロ動きベクトルデータの平均値が平均値閾値よりも大きく、且つ局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値よりも小さいとき、不安定になる原因が被干渉状態であると検出する。

ここで、処理部１００６は、第３の計算部１００６Ｃ及び第３の判断部１００６Ｄを含む。

第３の計算部１００６Ｃは、現在の符号化フレームにおける全ての非ゼロ動きベクトルデータの平均値を計算し、マクロブロックと隣接する隣接マクロブロックのグレースケール平均値及び該マクロブロックのグレースケール平均値に基づいて該マクロブロックの局所グレースケール平均二乗偏差値を計算し、現在の符号化フレームの全ての局所グレースケール平均二乗偏差値の平均値を計算し、現在の符号化フレームにおける信頼動きベクトルを決定し、現在の符号化フレームにおける信頼動きベクトルの数の非ゼロ動きベクトルの総数に対する割合を計算し、信頼動きベクトルのカバー率を計算する。カバー率は、現在の符号化フレームにおける信頼動きベクトルのカバー範囲内の動きベクトルの数の和のマクロブロックの総数に対する割合であり、信頼動きベクトルのカバー範囲は、各信頼動きベクトルを中心とする菱形領域の和集合により構成されている。

第３の判断部１００６Ｄは、監視モードが不安定モードである場合、非ゼロ動きベクトルデータの平均値が平均値閾値以下であり、且つ局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値以上であるとき、信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ信頼動きベクトルのカバー率がカバー率閾値よりも大きいか否かを判断し、信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ信頼動きベクトルのカバー率がカバー率閾値よりも大きいと判断された場合、不安定になる原因がレンズシフト状態であると検出し、そうでない場合、不安定になる原因が無効状態であると検出する。

第２の計算部１００６Ａ又は第３の計算部１００６Ｃは、隣接する各２つの動きベクトル間の角度に基づいて前記隣接する各２つの動きベクトル間の類似度値を計算し、動きベクトルデータにおける各動きベクトルについて、該動きベクトルとそれに隣接する動きベクトルとの間の角度及び類似度値に基づいて、該動きベクトルが信頼動きベクトルであるか否かを決定する。

第２の計算部１００６Ａ又は第３の計算部１００６Ｃは、該動きベクトルに隣接する４つの動きベクトルのうち、少なくとも３つの動きベクトルと該動きベクトルとの角度が所定の角度値以下であり、且つ類似度値が所定の類似度値以上である場合、該動きベクトルが信頼動きベクトルであると決定する。

ここで、処理部１００６は、局所類似度値計算部１００６Ｅ、グレースケール差計算部１００６Ｆ及び検出部１００６Ｇを含む。

局所類似度値計算部１００６Ｅは、監視モードが安定モードである場合、現在の符号化フレームの各動きベクトルセットに基づいて局所類似度値を計算して、現在の符号化フレームの局所類似度値マップを取得する。

グレースケール差計算部１００６Ｆは、現在の符号化フレームと直前の符号化フレームとの間のグレースケール差を計算し、グレースケール差に基づいてグレースケール差マップを取得する。

検出部１００６Ｇは、二値化された局所類似度値マップ及び二値化されたグレースケール差マップに基づいて移動目標を決定する。

ここで、図１１に示すように、検出部１００６Ｇは、補正判定部１０及び補正部２０を含む。補正判定部１０は、二値化された局所類似度値マップを分割して複数の独立した連結領域を取得し、各独立した連結領域を移動目標とし、該移動目標に対応する連結領域に含まれるマクロブロックの数がマクロブロック数閾値よりも大きいか否かを判断し、移動目標に対応する連結領域に含まれるマクロブロックの数がマクロブロック数閾値よりも小さい場合、移動目標が補正される移動目標であると決定する。補正部２０は、グレースケール差マップに基づいて補正される移動目標を補正する。

ここで、補正部２０は拡張部２２を含む。拡張部２２は、補正される移動目標に対応する連結領域の境界マクロブロックを連結領域に併合して拡張連結領域を取得し、グレースケール差マップから拡張連結領域の位置に対応するグレースケール差領域を取得し、境界マクロブロックにおけるグレースケール差領域と共通する複数のマクロブロックを連結領域に併合して補正された拡張連結領域を取得し、移動目標を補正する。

ここで、図１０に示すように、映像解析装置は警告部１００８をさらに含む。警告部１００８は、不安定になる原因が被干渉状態であると検出された場合、監視装置が干渉されていることを示す警告信号を出力し、不安定になる原因が無効状態であると検出された場合、現在の入力映像が無効映像であり、解析に用いるものではないことを示す警告信号を出力する。処理部１００６は、不安定になる原因がレンズシフト状態であると検出された場合、現在の符号化フレームの大域動きを計算する。

また、本発明の実施例は、上記の映像解析装置又は映像解析システムを含む電子機器をさらに提供する。本発明の実施例に係る電子機器の具体的な実施態様では、電子機器はコンピュータ、タブレットＰＣ、携帯用情報端末（ＰＤＡ）、マルチメディア再生装置、携帯電話及び電子ブックリーダー端末などのうちいずれか１つの装置であってもよい。ここで、電子機器は、上記の移動目標の検出装置の各種の機能及び技術的効果を有するが、ここにその説明が省略される。

本発明の実施例に係る映像解析装置における各構成ユニット、サブユニット及びモジュールなどは、ソフトウェア、ファームウェア、ハードウェア又はそれらの組み合わせであってもよい。ソフトウェア又はファームウェアで実施する際に、記憶媒体又はネットワークから特定用途向けハードウェア構造を有する機器に該ソフトウェア又はファームウェアを構成するプログラムをインストールしてもよく、該機器が各種のプログラムをインストールしている場合、上記の各構成ユニット、サブユニットの各種の機能を実行できる。

また、本発明は、機器に読み取り可能な指令コードを記憶するプログラムプロダクトをさらに提供する。該指令コードは機器により読み出されて、上述した本発明の実施例に係る映像解析方法を実行できる。それに応じて、本発明は、このプログラムプロダクトを記録する各種の記憶媒体、例えば磁気ディスク、光ディスク、光磁気ディスク、半導体メモリなどを含む。

また、本発明の実施例に係る方法は、明細書に説明された時間順で行なわれることに限らず、他の時間順で、又は並行して、又は単独で実行することもできる。従って、本発明の技術的範囲は、明細書に記載の方法の実行順番に限定されない。

また、本発明の上記方法の各処理プロセスも各種の機器読取可能な記憶媒体に記憶されているコンピュータ実行可能なプログラムで実施されてもよい。

また、本発明は、上記実行可能なプログラムコードを記憶する記憶媒体をシステム又は装置に直接又は間接に提供し、該システム又は装置におけるコンピュータ又は中央処理装置（ＣＰＵ）に上記プログラムコードを読み出すことで実施されてもよい。

この場合、該システム又は装置は、プログラムを実行する機能を有すればよく、本発明の実施態様はプログラムに限定されず、任意の形式、例えばオブジェクトプログラム、インタープリタにより実行されるプログラム又はオペレーションシステムに提供されるスクリプトプログラムなどであってもよい。

上記の機器が読み取り可能な記憶媒体は、各種のメモリ又は記憶部、半導体装置、光、磁気及び光磁気のディスクなどのディスクユニット、及び他の情報を記憶できる媒体を含むが、それらの記憶装置に限定されない。

本発明の特定の実施形態は、後述の説明及び図面に示すように、詳細に開示され、本発明の原理を採用されることが可能な方式を示している。なお、本発明の実施形態は、範囲上には限定されるものではない。本発明の実施形態は、添付されている特許請求の範囲の主旨及び内容の範囲内、各種の改変、修正、及び均等的なものが含まれる。

また、上述の各実施例を含む実施形態に関し、更に以下の付記を開示する。
（付記１）
現在の符号化フレームにおける各マクロブロックの動きベクトルデータ及びグレースケール平均値を取得する取得手段と、
前記動きベクトルデータ及び前記グレースケール平均値に基づいて映像の監視モードを決定する監視モード決定手段と、
前記監視モードが安定モードである場合、前記映像における移動目標を検出し、且つ／或いは前記映像における移動目標の移動軌跡を取得し、前記監視モードが不安定モードである場合、不安定になる原因を検出する処理手段と、を含む、映像解析装置。
（付記２）
前記監視モード決定手段は、
前記動きベクトルデータに基づいて非ゼロ動きベクトルの割合を計算する第１の計算手段と、
前記非ゼロ動きベクトルの割合が大域動き範囲閾値よりも小さい場合、前記監視モードが安定モードであると決定し、そうでない場合、前記監視モードが不安定モードであると決定する第１の判断手段と、を含み、
前記非ゼロ動きベクトルの割合は、前記現在の符号化フレームにおける非ゼロ動きベクトルの数のマクロブロックの総数に対する割合である、付記１に記載の映像解析装置。
（付記３）
前記処理手段は、
前記現在の符号化フレームにおける全ての非ゼロ動きベクトルデータの平均値を計算し、マクロブロックと隣接する隣接マクロブロックのグレースケール平均値及び該マクロブロックのグレースケール平均値に基づいて該マクロブロックの局所グレースケール平均二乗偏差値を計算し、前記現在の符号化フレームの全ての局所グレースケール平均二乗偏差値の平均値を計算し、前記現在の符号化フレームにおける信頼動きベクトルを決定し、前記現在の符号化フレームにおける信頼動きベクトルの数の非ゼロ動きベクトルの総数に対する割合を計算し、前記信頼動きベクトルのカバー率を計算する第２の計算手段と、
前記監視モードが不安定モードである場合、前記非ゼロ動きベクトルデータの平均値が平均値閾値よりも大きく、且つ前記局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値よりも小さいとき、不安定になる原因が被干渉状態であると検出する第２の判断手段と、を含み、
前記カバー率は、前記現在の符号化フレームにおける信頼動きベクトルのカバー範囲内の動きベクトルの数の和のマクロブロックの総数に対する割合であり、前記信頼動きベクトルのカバー範囲は、各信頼動きベクトルを中心とする菱形領域の和集合により構成されている、付記２に記載の映像解析装置。
（付記４）
前記処理手段は、
前記現在の符号化フレームにおける全ての非ゼロ動きベクトルデータの平均値を計算し、マクロブロックと隣接する隣接マクロブロックのグレースケール平均値及び該マクロブロックのグレースケール平均値に基づいて該マクロブロックの局所グレースケール平均二乗偏差値を計算し、前記現在の符号化フレームの全ての局所グレースケール平均二乗偏差値の平均値を計算し、前記現在の符号化フレームにおける信頼動きベクトルを決定し、前記現在の符号化フレームにおける信頼動きベクトルの数の非ゼロ動きベクトルの総数に対する割合を計算し、前記信頼動きベクトルのカバー率を計算する第３の計算手段と、
前記監視モードが不安定モードである場合、前記非ゼロ動きベクトルデータの平均値が平均値閾値以下であり、且つ前記局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値以上であるとき、前記信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ前記信頼動きベクトルのカバー率がカバー率閾値よりも大きいか否かを判断し、前記信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ前記信頼動きベクトルのカバー率がカバー率閾値よりも大きいと判断された場合、不安定になる原因がレンズシフト状態であると検出し、そうでない場合、不安定になる原因が無効状態であると検出する第３の判断手段と、を含み、
前記カバー率は、前記現在の符号化フレームにおける信頼動きベクトルのカバー範囲内の動きベクトルの数の和のマクロブロックの総数に対する割合であり、前記信頼動きベクトルのカバー範囲は、各信頼動きベクトルを中心とする菱形領域の和集合により構成されている、付記２に記載の映像解析装置。
（付記５）
前記第２の計算手段又は前記第３の計算手段は、隣接する各２つの動きベクトル間の角度に基づいて前記隣接する各２つの動きベクトル間の類似度値を計算し、前記動きベクトルデータにおける各動きベクトルについて、該動きベクトルとそれに隣接する動きベクトルとの間の角度及び類似度値に基づいて、該動きベクトルが信頼動きベクトルであるか否かを決定する、付記３又は４に記載の映像解析装置。
（付記６）
前記第２の計算手段又は前記第３の計算手段は、該動きベクトルに隣接する４つの動きベクトルのうち、少なくとも３つの動きベクトルと該動きベクトルとの角度が所定の角度値以下であり、且つ類似度値が所定の類似度値以上である場合、該動きベクトルが信頼動きベクトルであると決定する、付記５に記載の映像解析装置。
（付記７）
前記処理手段は、
前記監視モードが安定モードである場合、前記現在の符号化フレームの各動きベクトルセットに基づいて局所類似度値を計算して、前記現在の符号化フレームの局所類似度値マップを取得する局所類似度値計算手段と、
前記現在の符号化フレームと直前の符号化フレームとの間のグレースケール差を計算し、前記グレースケール差に基づいてグレースケール差マップを取得するグレースケール差計算手段と、
二値化された前記局所類似度値マップ及び二値化された前記グレースケール差マップに基づいて前記移動目標を決定する検出手段と、を含む、付記２に記載の映像解析装置。
（付記８）
前記検出手段は、
二値化された局所類似度値マップを分割して複数の独立した連結領域を取得し、各独立した連結領域を移動目標とし、該移動目標に対応する連結領域に含まれるマクロブロックの数がマクロブロック数閾値よりも大きいか否かを判断し、前記移動目標に対応する連結領域に含まれるマクロブロックの数が前記マクロブロック数閾値よりも小さい場合、前記移動目標が補正される移動目標であると決定する補正判定手段と、
前記グレースケール差マップに基づいて前記補正される移動目標を補正する補正手段と、を含む、付記７に記載の映像解析装置。
（付記９）
前記補正手段は、
前記補正される移動目標に対応する連結領域の境界マクロブロックを前記連結領域に併合して拡張連結領域を取得し、前記グレースケール差マップから前記拡張連結領域の位置に対応するグレースケール差領域を取得し、前記境界マクロブロックにおける前記グレースケール差領域と共通する複数のマクロブロックを前記連結領域に併合して補正された拡張連結領域を取得し、前記移動目標を補正する拡張手段、を含む、付記８に記載の映像解析装置。
（付記１０）
前記映像解析装置は、
不安定になる原因が被干渉状態であると検出された場合、監視装置が干渉されていることを示す警告信号を出力し、不安定になる原因が無効状態であると検出された場合、現在の入力映像が無効映像であり、解析に用いるものではないことを示す警告信号を出力する警告手段、をさらに含み、
前記処理手段は、不安定になる原因がレンズシフト状態であると検出された場合、前記現在の符号化フレームの大域動きを計算する、付記４に記載の映像解析装置。
（付記１１）
現在の符号化フレームにおける各マクロブロックの動きベクトルデータ及びグレースケール平均値を取得するステップと、
前記動きベクトルデータ及び前記グレースケール平均値に基づいて映像の監視モードを決定するステップと、
前記監視モードが安定モードである場合、前記映像における移動目標を検出し、且つ／或いは前記映像における移動目標の移動軌跡を取得するステップと、
前記監視モードが不安定モードである場合、不安定になる原因を検出するステップと、を含む、映像解析方法。
（付記１２）
前記動きベクトルデータ及び前記グレースケール平均値に基づいて映像の監視モードを決定するステップ
前記動きベクトルデータに基づいて非ゼロ動きベクトルの割合を計算するステップと、
前記非ゼロ動きベクトルの割合が大域動き範囲閾値よりも小さい場合、前記監視モードが安定モードであると決定するステップと、
そうでない場合、前記監視モードが不安定モードであると決定するステップと、を含み、
前記非ゼロ動きベクトルの割合は、前記現在の符号化フレームにおける非ゼロ動きベクトルの数のマクロブロックの総数に対する割合である、付記１１に記載の映像解析方法。
（付記１３）
前記監視モードが不安定モードである場合、不安定になる原因を検出するステップは、
前記現在の符号化フレームにおける全ての非ゼロ動きベクトルデータの平均値を計算するステップと、
マクロブロックと隣接する隣接マクロブロックのグレースケール平均値及び該マクロブロックのグレースケール平均値に基づいて該マクロブロックの局所グレースケール平均二乗偏差値を計算し、前記現在の符号化フレームの全ての局所グレースケール平均二乗偏差値の平均値を計算するステップと、
前記現在の符号化フレームにおける信頼動きベクトルを決定するステップと、
前記現在の符号化フレームにおける信頼動きベクトルの数の非ゼロ動きベクトルの総数に対する割合を計算するステップと、
前記信頼動きベクトルのカバー率を計算するステップと、
前記監視モードが不安定モードである場合、前記非ゼロ動きベクトルデータの平均値が平均値閾値よりも大きく、且つ前記局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値よりも小さいとき、不安定になる原因が被干渉状態であると検出するステップと、を含み、
前記カバー率は、前記現在の符号化フレームにおける信頼動きベクトルのカバー範囲内の動きベクトルの数の和のマクロブロックの総数に対する割合であり、前記信頼動きベクトルのカバー範囲は、各信頼動きベクトルを中心とする菱形領域の和集合により構成されている、付記１２に記載の映像解析方法。
（付記１４）
前記監視モードが不安定モードである場合、不安定になる原因を検出するステップは、
前記現在の符号化フレームにおける全ての非ゼロ動きベクトルデータの平均値を計算するステップと、
マクロブロックと隣接する隣接マクロブロックのグレースケール平均値及び該マクロブロックのグレースケール平均値に基づいて該マクロブロックの局所グレースケール平均二乗偏差値を計算し、前記現在の符号化フレームの全ての局所グレースケール平均二乗偏差値の平均値を計算するステップと、
前記現在の符号化フレームにおける信頼動きベクトルを決定するステップと、
前記現在の符号化フレームにおける信頼動きベクトルの数の非ゼロ動きベクトルの総数に対する割合を計算するステップと、
前記信頼動きベクトルのカバー率を計算するステップと、
前記監視モードが不安定モードである場合、前記非ゼロ動きベクトルデータの平均値が平均値閾値以下であり、且つ前記局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値以上であるとき、前記信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ前記信頼動きベクトルのカバー率がカバー率閾値よりも大きいか否かを判断するステップと、
前記信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ前記信頼動きベクトルのカバー率がカバー率閾値よりも大きいと判断された場合、不安定になる原因がレンズシフト状態であると検出し、そうでない場合、不安定になる原因が無効状態であると検出するステップと、を含み、
前記カバー率は、前記現在の符号化フレームにおける信頼動きベクトルのカバー範囲内の動きベクトルの数の和のマクロブロックの総数に対する割合であり、前記信頼動きベクトルのカバー範囲は、各信頼動きベクトルを中心とする菱形領域の和集合により構成されている、付記１２に記載の映像解析方法。
（付記１５）
前記現在の符号化フレームにおける信頼動きベクトルを決定するステップは、
隣接する各２つの動きベクトル間の角度に基づいて前記隣接する各２つの動きベクトル間の類似度値を計算するステップと、
前記動きベクトルデータにおける各動きベクトルについて、該動きベクトルとそれに隣接する動きベクトルとの間の角度及び類似度値に基づいて、該動きベクトルが信頼動きベクトルであるか否かを決定するステップと、を含む、付記１３又は１４に記載の映像解析方法。
（付記１６）
該動きベクトルに隣接する４つの動きベクトルのうち、少なくとも３つの動きベクトルと該動きベクトルとの角度が所定の角度値以下であり、且つ類似度値が所定の類似度値以上である場合、該動きベクトルが信頼動きベクトルであると決定する、付記１５に記載の映像解析方法。
（付記１７）
前記監視モードが安定モードである場合、前記映像における移動目標を検出し、且つ／或いは前記映像における移動目標の移動軌跡を取得するステップは、
前記現在の符号化フレームの各動きベクトルセットに基づいて局所類似度値を計算して、前記現在の符号化フレームの局所類似度値マップを取得するステップと、
前記現在の符号化フレームと直前の符号化フレームとの間のグレースケール差を計算し、前記グレースケール差に基づいてグレースケール差マップを取得するステップと、
二値化された前記局所類似度値マップ及び二値化された前記グレースケール差マップに基づいて前記移動目標を決定するステップと、を含む、付記１２に記載の映像解析方法。
（付記１８）
前記二値化された前記局所類似度値マップ及び二値化された前記グレースケール差マップに基づいて前記移動目標を決定するステップは、
二値化された局所類似度値マップを分割して複数の独立した連結領域を取得し、各独立した連結領域を移動目標とするステップと、
該移動目標に対応する連結領域に含まれるマクロブロックの数がマクロブロック数閾値よりも大きいか否かを判断するステップと、
前記移動目標に対応する連結領域に含まれるマクロブロックの数が前記マクロブロック数閾値よりも小さい場合、前記移動目標が補正される移動目標であると決定するステップと、
前記グレースケール差マップに基づいて前記補正される移動目標を補正するステップと、を含む、付記１７に記載の映像解析方法。
（付記１９）
前記グレースケール差マップに基づいて前記補正される移動目標を補正するステップは、
前記補正される移動目標に対応する連結領域の境界マクロブロックを前記連結領域に併合して拡張連結領域を取得するステップと、
前記グレースケール差マップから前記拡張連結領域の位置に対応するグレースケール差領域を取得するステップと、
前記境界マクロブロックにおける前記グレースケール差領域と共通する複数のマクロブロックを前記連結領域に併合して補正された拡張連結領域を取得し、前記移動目標を補正するステップ、を含む、付記１８に記載の映像解析方法。
（付記２０）
不安定になる原因が被干渉状態であると検出された場合、監視装置が干渉されていることを示す警告信号を出力するステップと、
不安定になる原因が安定シフト状態であると検出された場合、前記現在の符号化フレームの大域動きを計算するステップと、
不安定になる原因が無効状態であると検出された場合、現在の入力映像が無効映像であり、解析に用いるものではないことを示す警告信号を出力するステップと、をさらに含む、
付記１４に記載の映像解析方法。

Claims (11)

1. 現在の符号化フレームにおける各マクロブロックの動きベクトルデータ及びグレースケール平均値を取得する取得手段と、
   前記動きベクトルデータ及び前記グレースケール平均値に基づいて映像の監視モードを決定する監視モード決定手段と、
   前記監視モードが安定モードである場合、前記映像における移動目標を検出し、且つ／或いは前記映像における移動目標の移動軌跡を取得し、前記監視モードが不安定モードである場合、不安定になる原因を検出する処理手段と、を含む、映像解析装置。
2. 前記監視モード決定手段は、
   前記動きベクトルデータに基づいて非ゼロ動きベクトルの割合を計算する第１の計算手段と、
   前記非ゼロ動きベクトルの割合が大域動き範囲閾値よりも小さい場合、前記監視モードが安定モードであると決定し、そうでない場合、前記監視モードが不安定モードであると決定する第１の判断手段と、を含み、
   前記非ゼロ動きベクトルの割合は、前記現在の符号化フレームにおける非ゼロ動きベクトルの数のマクロブロックの総数に対する割合である、請求項１に記載の映像解析装置。
3. 前記処理手段は、
   前記現在の符号化フレームにおける全ての非ゼロ動きベクトルデータの平均値を計算し、マクロブロックと隣接する隣接マクロブロックのグレースケール平均値及び該マクロブロックのグレースケール平均値に基づいて該マクロブロックの局所グレースケール平均二乗偏差値を計算し、前記現在の符号化フレームの全ての局所グレースケール平均二乗偏差値の平均値を計算し、前記現在の符号化フレームにおける信頼動きベクトルを決定し、前記現在の符号化フレームにおける信頼動きベクトルの数の非ゼロ動きベクトルの総数に対する割合を計算し、前記信頼動きベクトルのカバー率を計算する第２の計算手段と、
   前記監視モードが不安定モードである場合、前記非ゼロ動きベクトルデータの平均値が平均値閾値よりも大きく、且つ前記局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値よりも小さいとき、不安定になる原因が被干渉状態であると検出する第２の判断手段と、を含み、
   前記カバー率は、前記現在の符号化フレームにおける信頼動きベクトルのカバー範囲内の動きベクトルの数の和のマクロブロックの総数に対する割合であり、前記信頼動きベクトルのカバー範囲は、各信頼動きベクトルを中心とする菱形領域の和集合により構成されている、請求項２に記載の映像解析装置。
4. 前記処理手段は、
   前記現在の符号化フレームにおける全ての非ゼロ動きベクトルデータの平均値を計算し、マクロブロックと隣接する隣接マクロブロックのグレースケール平均値及び該マクロブロックのグレースケール平均値に基づいて該マクロブロックの局所グレースケール平均二乗偏差値を計算し、前記現在の符号化フレームの全ての局所グレースケール平均二乗偏差値の平均値を計算し、前記現在の符号化フレームにおける信頼動きベクトルを決定し、前記現在の符号化フレームにおける信頼動きベクトルの数の非ゼロ動きベクトルの総数に対する割合を計算し、前記信頼動きベクトルのカバー率を計算する第３の計算手段と、
   前記監視モードが不安定モードである場合、前記非ゼロ動きベクトルデータの平均値が平均値閾値以下であり、且つ前記局所グレースケール平均二乗偏差値の平均値が平均二乗偏差閾値以上であるとき、前記信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ前記信頼動きベクトルのカバー率がカバー率閾値よりも大きいか否かを判断し、前記信頼動きベクトルの割合が信頼動きベクトル割合閾値よりも大きく、且つ前記信頼動きベクトルのカバー率がカバー率閾値よりも大きいと判断された場合、不安定になる原因がレンズシフト状態であると検出し、そうでない場合、不安定になる原因が無効状態であると検出する第３の判断手段と、を含み、
   前記カバー率は、前記現在の符号化フレームにおける信頼動きベクトルのカバー範囲内の動きベクトルの数の和のマクロブロックの総数に対する割合であり、前記信頼動きベクトルのカバー範囲は、各信頼動きベクトルを中心とする菱形領域の和集合により構成されている、請求項２に記載の映像解析装置。
5. 前記第２の計算手段は、隣接する各２つの動きベクトル間の角度に基づいて前記隣接する各２つの動きベクトル間の類似度値を計算し、前記動きベクトルデータにおける各動きベクトルについて、該動きベクトルとそれに隣接する動きベクトルとの間の角度及び類似度値に基づいて、該動きベクトルが信頼動きベクトルであるか否かを決定する、請求項３に記載の映像解析装置。
6. 前記第３の計算手段は、隣接する各２つの動きベクトル間の角度に基づいて前記隣接する各２つの動きベクトル間の類似度値を計算し、前記動きベクトルデータにおける各動きベクトルについて、該動きベクトルとそれに隣接する動きベクトルとの間の角度及び類似度値に基づいて、該動きベクトルが信頼動きベクトルであるか否かを決定する、請求項４に記載の映像解析装置。
7. 前記処理手段は、
   前記監視モードが安定モードである場合、前記現在の符号化フレームの各動きベクトルセットに基づいて局所類似度値を計算して、前記現在の符号化フレームの局所類似度値マップを取得する局所類似度値計算手段と、
   前記現在の符号化フレームと直前の符号化フレームとの間のグレースケール差を計算し、前記グレースケール差に基づいてグレースケール差マップを取得するグレースケール差計算手段と、
   二値化された前記局所類似度値マップ及び二値化された前記グレースケール差マップに基づいて前記移動目標を決定する検出手段と、を含む、請求項２に記載の映像解析装置。
8. 前記検出手段は、
   二値化された局所類似度値マップを分割して複数の独立した連結領域を取得し、各独立した連結領域を移動目標とし、該移動目標に対応する連結領域に含まれるマクロブロックの数がマクロブロック数閾値よりも大きいか否かを判断し、前記移動目標に対応する連結領域に含まれるマクロブロックの数が前記マクロブロック数閾値よりも小さい場合、前記移動目標が補正される移動目標であると決定する補正判定手段と、
   前記グレースケール差マップに基づいて前記補正される移動目標を補正する補正手段と、を含む、請求項７に記載の映像解析装置。
9. 前記補正手段は、
   前記補正される移動目標に対応する連結領域の境界マクロブロックを前記連結領域に併合して拡張連結領域を取得し、前記グレースケール差マップから前記拡張連結領域の位置に対応するグレースケール差領域を取得し、前記境界マクロブロックにおける前記グレースケール差領域と共通する複数のマクロブロックを前記連結領域に併合して補正された拡張連結領域を取得し、前記移動目標を補正する拡張手段、を含む、請求項８に記載の映像解析装置。
10. 前記映像解析装置は、
    不安定になる原因が被干渉状態であると検出された場合、監視装置が干渉されていることを示す警告信号を出力し、不安定になる原因が無効状態であると検出された場合、現在の入力映像が無効映像であり、解析に用いるものではないことを示す警告信号を出力する警告手段、をさらに含み、
    前記処理手段は、不安定になる原因がレンズシフト状態であると検出された場合、前記現在の符号化フレームの大域動きを計算する、請求項４に記載の映像解析装置。
11. 現在の符号化フレームにおける各マクロブロックの動きベクトルデータ及びグレースケール平均値を取得するステップと、
    前記動きベクトルデータ及び前記グレースケール平均値に基づいて映像の監視モードを決定するステップと、
    前記監視モードが安定モードである場合、前記映像における移動目標を検出し、且つ／或いは前記映像における移動目標の移動軌跡を取得するステップと、
    前記監視モードが不安定モードである場合、不安定になる原因を検出するステップと、を含む、映像解析方法。

Images