確定對象的位置特性的製作方法

2023-04-25 16:57:36

專利名稱：確定對象的位置特性的製作方法
技術領域：
本發明涉及確定對象的位置特性，更具體來說(而非排他地)涉及確定生物在房間內的深度位置。
背景技術：
確定對象並且特別是人類或寵物之類的生物的位置在許多應用中都越來越令人感興趣。位置估計例如可以被用於防止和/或檢測意外。舉例來說，其可以被用來檢測老年人摔倒或者檢測兒童爬上桌子從而有掉下的風險。但是(特別)估計生物在房間內的位置可能是特別困難的，這是因為算法必須考慮到環境的許多參數和特性將隨著時間而變化並且/或者將是未知的。舉例來說，將要檢測的對象的具體特性可能是未知的，並且存在於房間內的不同對象可能不僅會隨著時間改變，而且可能對於算法也是未知的。

為了監測房間以便例如防止意外，可能理想的情況是獲得並且分析正在房間內發生的情況的完整畫面。這樣的完整畫面可以從捕獲所期望區域的動態圖像的ー個或更多視頻攝影機獲得。但是對來自這樣的攝影機的圖像進行解釋非常複雜，並且特別是非常難以可靠地識別出對應於感興趣對象(比如人類)的各個圖像節段。由於對象的特性(比如在房間內的位置)對於算法將是未知的，因此這可能特別困難。此外，不僅對應於感興趣對象而且還對應於房間內的其他對象的圖像對象往往將非常複雜，並且對這些對象的正確分析和評估往往將需要非常複雜的處理並且導致不可靠的結果。在美國專利公開2009/0121017中給出了視頻系統的ー個例子。在所述系統中，庫存項目被放置在具有可識別光學樣式的牆壁前方。攝影機捕獲圖像，並且通過評估具有所述可識別光學樣式的區域檢測出所暴露出的牆壁表面的數量。隨後使用所暴露出的表面的數量來確定存在或缺失的庫存項目的數量。但是美國專利公開2009/0121017的系統僅僅提供了關於庫存對象是否存在的監測，因此僅僅提供了非常少量的信息。因此，一種用於確定對象在房間內的深度位置的改進系統將是有利的，特別是一種允許更高靈活性、或更高可靠性、或促進實施和/或操作、或改進對於動態變化的適應能カ以及/或者改進性能的系統將是有利的。

發明內容
相應地，本發明試圖優選地単獨或者以任意組合緩解、減輕或消除前面提到的一個或更多缺陷。根據本發明的ー個方面，提供用於確定例如房間內(或者室外的沙田上、或者應用於人行橫道或學校附近的房屋等等)的對象(生物、機器人或者其他機械玩具、球等等)的位置特性的系統，所述系統包括用於通常放置在地面上或者至少靠近地平線的光學可識別元件，例如粘貼在對應於房間的檢測區域的背景表面上，比如房間的牆壁或者房間內的長沙發或櫃櫥，所述光學可識別元件具有光學屬性(例如特定顔色或者至少處於對象的部分區段之上的紋理，所述顏色和/或紋理可以具有複雜的關係以便區分所述光學可識別元件的各個空間區段)；用於放置在檢測區域的對面離開光學可識別元件的攝影機，所述攝影機被設置成捕獲包括所述檢測區域和所述光學可識別元件的圖像；用於響應於所述光學屬性檢測圖像中的光學可識別元件的檢測器；用於響應於所述光學屬性確定光學可識別元件在圖像中的至少ー處遮擋的遮擋屬性的遮擋處理器；以及用於響應於所述遮擋屬性確定深度位置的位置處理器，所述深度位置表明對象沿著攝影機的光軸的位置。本發明可以提供改進和/或促進的對房間內的對象的深度位置的確定。具體來說，對象檢測和/或表徵可以得到改進，這是因為可以考慮到與沿著所述光軸到攝影機的距離有關的深度位置。本發明可以允許改進的對象表徵/檢測，同時允許降低複雜度。通過簡單的設置實現了對於深度位置的可靠確定，並且/或者可以顯著促進所需的信號和圖像處理。具體來說，可以使用複雜度相對較低的遮擋確定、表徵以及處理。本發明例如可以允許改進的對於房間內的人的檢測和/或表徵，並且例如可以允許改進的意外檢測、闖入者檢測等等。

所述光學屬性例如可以是特定顔色和/或樣式。所述光學屬性可以特別具有特定光譜分布並且可以對於人類是不可見的，也就是說可以具有能夠由適當的攝影機檢測到的紫外或紅外光譜。所述遮擋屬性可以包括關於對應於光學可識別元件但是不具有與所述光學屬性匹配的光學特性的一個或更多圖像區域的指示。所述遮擋屬性可以包括關於光學可識別元件在圖像中被遮擋的ー個或更多節段的指示。所述遮擋屬性例如可以包括這樣的被遮擋節段的位置和/或尺寸。所述位置和/或尺寸可以特別是圖像位置和/或尺寸或者可以從其中導出。深度位置可以特別表明沿著光軸的位置。具體來說，深度位置可以表明對象在垂直於圖像的圖像平面的方向上的位置。根據本發明的光學特徵，所述光學可識別元件是施加到牆壁上的細長元件，並且在空間上被限制到牆壁的一半高度以下(例如將被施加到牆壁的部分區段上的一定數目的IOcm高的可貼細條帶)。這樣可以在許多實施例中提供特別有利的和/或促進的實施和/或操作。舉例來說，這樣可以減少視覺影響，同時提供精確的對象檢測，並且可以利用以下事實大多數對象(其中包括人)可能從房間的地板延伸出來。所述光學可識別元件例如可以是能夠被施加或附著到牆壁上(特別是處於固定位置)的製品。所述光學可識別元件例如可以是能夠是施加到牆壁上的膠帶、粘性條帶或塗料。所述光學可識別元件可以是細長元件(其當然可以由一起形成所述光學可識別元件的幾個較小的細長子元件構成，例如貼片)，其寬度(或長度)顯著高於所述高度(例如至少10倍高)。所述光學可識別元件例如可以是在ー個方向上(通常基本上是垂直方向)延伸少於5 —IOcm並且在與之(通常基本上是垂直方向)垂直的方向上延伸超過I米的元件。所述光學可識別元件可以基本上是矩形的。所述光學可識別元件可以被放置在鄰近房間地板的牆壁上。舉例來說，從地板到光學可識別元件的一部分的最大距離可以不超過50cm、20cm、10cm、5cm或者甚至1cm。這樣可以提供改進的對於例如腳部的檢測，這對於例如檢測人的存在是特別相關的。其還可以減小光學可識別元件的視覺影響。在一些情形中，光學可識別元件可以從牆壁與房間地板的相交處向上延伸。所述光學可識別元件可以包含校準樣式以便促進位置校準。舉例來說，紅色螢光膠帶可以沿著膠帶長度的每I米包含Icm寬的黑色部分。如果我們假設牆壁是直的，則攝影機傳感器可以檢測到各個黑色部分，這是因為這些黒色部分形成了遮擋。攝影機傳感器可以使用所述黑色部分來建立攝影機坐標與房間坐標之間的關係。黑色標記的寬度可以對絕對房間坐標進行編碼。如果所述標記變得過寬，其可以被製成可拆卸的，並且可以在系統校準步驟之後被去除。此外，只有幾個簡單的標記可以駐留在光學可識別元件上以標示有意義的子區域的起始或末尾(圍繞珍貴對象的區段，或者允許兒童在其可以利用光學可識別元件構造的虛擬房屋內建立新房間的標記等等)。應當提到的是，這些標記不需要是永久性的，其例如可以作為第二條帶被粘貼及拆卸並且再次隨意去除，或者甚至可以被投影，這對於動態可重新配置的遊戲可能是有用的(比如映射到房間中的遊戲棋盤，其可以在完成ー關之後發生改變)。但是這些標記可以幫助校準，即識別出當前的系統與其光學可識別元件之間的關係以及所述系統駐留在其中的房間或空間的特別有意義的區段。

所述光學可識別元件不需要被附著到牆壁上。其也可以被放置在地面上而無需將其附著到牆壁上。此外，所述光學可識別元件可以發生形變，從而可以將其圍繞人或家具放置。在這種形式下，光學可識別元件可以被附著或塗繪在繩子或者任何其他適當材料(木材、衣物等等)上。所述光學可識別元件甚至可以形成閉環。攝影機也可以被集成在光學可識別元件中。根據本發明的ー項可選特徵，所述位置處理器被設置成確定與光學可識別元件的被遮擋節段相關聯的圖像的圖像對象；以及響應於所述圖像對象的圖像特性生成深度位置。這樣可以提供對於深度位置的特別高效、可靠和/或低複雜度的確定。可以通過圖像分段來確定所述圖像對象(如果在應用中期望得到諸如腳部長度之類的簡單特性，則所述分段算法可以較為簡單，並且對於其他應用則可以更加複雜)。所述圖像對象可以包括其數值滿足關於與被遮擋節段對應的像素的像素值的匹配標準的像素。舉例來說，所述圖像對象可以被確定為包括圖像區域內的像素，在所述圖像區域內的顔色從被遮擋節段的顔色的變化小於給定數量。所述圖像特性可以特別是圖像對象的維度。根據本發明的ー項可選特徵，所述圖像特性表明圖像對象在遠離光學可識別元件的圖像方向上的延伸。這樣可以提供對於深度位置的特別高效、可靠和/或低複雜度的確定。根據本發明的ー項可選特徵，所述位置處理器被設置成檢測對應於房間地板的另ー個圖像對象；確定所述圖像對象與所述另ー個圖像對象之間的節段邊界；以及響應於光學可識別元件與節段邊界之間的圖像距離確定深度位置。這樣可以提供對於深度位置的特別高效、可靠和/或低複雜度的確定。根據本發明的ー項可選特徵，所述系統還包括用於放置在檢測區域的對面離開光學可識別元件的另ー個攝影機，所述另ー個攝影機捕獲包括所述檢測區域和所述光學可識別元件的另一幅圖像；並且其中所述檢測器還被設置成響應於所述光學屬性檢測所述另一幅圖像中的光學可識別元件；所述遮擋處理器被設置成響應於所述光學屬性確定光學可識別元件在所述另一幅圖像中的至少ー處遮擋的另一項遮擋屬性；並且所述位置處理器被設置成響應於所述遮擋屬性和所述另ー項遮擋屬性確定深度位置。這樣可以提供對於深度位置的特別高效、可靠和/或低複雜度的確定。在許多情形中，所述方法可以允許降低信號處理的複雜度以及/或者更加可靠的確定。所述另ー個攝影機和相關聯的處理可以類似於第一攝影機。所述另ー項遮擋屬性可以例如包括光學可識別元件的被遮擋節段的位置和/或尺寸。所述位置和/或尺寸可以特別是圖像位置和/或尺寸或者可以從中導出。所述遮擋屬性和另ー項遮擋屬性可以特別包括相應的遮擋的位置和/或尺寸指示。這樣的相應遮擋可以是源自相同的對象，並且特別是源自為之獲得深度位置的對象。根據本發明的ー項可選特徵，所述位置處理器被設置成響應於所述圖像和另一幅圖像中的被遮擋節段之間的相對圖像位置的差異來確定深度位置。 這樣可以提供對於深度位置的特別高效、可靠和/或低複雜度的確定。在許多情形中，所述方法可以允許降低信號處理的複雜度以及/或者更加可靠的確定。所述深度位置可以特別響應於一個或更多相應的被遮擋節段在兩幅圖像中的位置偏移來確定。可以確定被估計對應於所述對象的被遮擋節段之間的位移，並且可以基於所述位移確定沿著光軸的位置。根據本發明的ー項可選特徵，所述系統還包括尺寸處理器，其被設置成響應於深度位置和光學可識別元件的至少ー個被遮擋圖像節段的圖像尺寸來確定對於對象的尺寸估計。這樣可以對於許多應用提供改進的操作。舉例來說，其可以允許改進的關於人或動物是否存在的檢測等等。所述方法特別可以不僅提供附加信息，而且還可以降低對於對象在房間內的實際位置的敏感度。舉例來說，其可以允許在較為靠近攝影機的較小對象與較為遠離攝影機的較大對象之間進行區分。作為另ー個例子，所述方法可以被用來在兒童與成人之間進行區分，或者在站立或行走中的人與摔倒在地面上的人之間進行區分。根據本發明的ー項可選特徵，所述對象是生物，並且所述系統還包括用於響應於遮擋屬性來檢測生物在檢測區域內的存在的檢測處理器。本發明可以允許改進的對於房間內的人或動物的存在的檢測。這樣的檢測通常非常複雜並且不可靠，這是因為具體的特性、位置和移動是未知的。所述系統可以允許利用低複雜度設置和簡化的方法的改進的檢測。舉例來說，通過所述設置以及例如由深度位置提供的信息可以減少或補償不確定性。根據本發明的ー項可選特徵，所述檢測處理器被設置成響應於圖像中的光學可識別元件的遮擋的動態變化來檢測所述存在。本發明可以允許改進的對於房間內的人或動物的存在的檢測。實際上，取代僅僅依賴於位於特定位置處的靜態對象，所述方法可以允許對自由移動的生物的檢測，並且可以實際上把遮擋屬性的所得到的動態變化作為檢測的基礎。所述動態變化例如可以是遮擋節段的位置和/或遮擋的持續時間的變化。在一些實施例中，所述動態變化可以包括光學可識別元件的被遮擋節段的位置變化。
在一些實施例中，所述動態變化可以包括對於具有滿足一定標準的時間特性的遮擋的檢測。舉例來說，所述標準可以是所述遮擋具有少於給定時間的持續時間。根據本發明的ー項可選特徵，所述檢測處理器還被設置成響應於所述動態變化確定生物和生物活動的至少其中ー項的第一特性。這樣可以提供附加的信息並且/或者可以例如改進檢測的可靠性。所述特性例如可以是生物的移動特性，比如速度、步法、尺寸指示(例如人的腳部的尺寸指示)等等。在更加複雜的實施例中，對於隨著時間的確切遮擋形狀變化的詳細分析可以被用於例如通過分析移動來估計人或動物正在做什麼，比如某人嘗試站起來的典型模式或者正在抽搐的生病的動物。根據本發明的ー項可選特徵，所述檢測器被設置成響應於檢測到具有與所述光學屬性匹配的圖像屬性的圖像區域來估計對應於光學可識別元件的圖像的幾何區域，並且所述遮擋處理器被設置成識別出所述幾何區域的具有與所述光學屬性不匹配的圖像屬性的被遮擋節段。

這樣可以允許特別高效、可靠和/或低複雜度的操作。所述幾何區域的其光學屬性不同於光學可識別元件的光學屬性的被遮擋節段可以特別包括不滿足關於所述光學屬性的匹配標準的像素區域。根據本發明的ー項可選特徵，所述檢測器被設置成通過將各個圖像區域匹配到預定幾何形狀來確定所述幾何區域。這樣可以允許特別高效、可靠和/或低複雜度的操作。所述幾何區域可以響應於所述光學屬性以及對應於光學可識別元件的幾何形狀的預定幾何形狀來確定。舉例來說，所述光學可識別元件可以是窄條帶，其將對應於圖像中的線(可以在對應於應用的沿著條帶的最優高度下進行線性遮擋分析，例如接地水平，或者為了避免幹擾例如來自產品傳送帶的地平線遮擋可以是更高水平)。所述預定幾何形狀可以相應地是線，並且所述幾何區域可以被確定為包括其圖像特性與所述光學屬性匹配的像素的線圖像對象。舉例來說，可以施行對於其像素特性與所述光學屬性匹配的像素或圖像節段的線擬合。根據本發明的ー項可選特徵，所述系統還被設置成確定房間內的光學可識別元件的標稱被遮擋節段集合；並且其中所述位置處理器被設置成對於所述標稱被遮擋節段補償遮擋屬性。這樣可以提供改進的操作，並且特別可以提供改進的靈活性。在許多情形中，所述方法例如可以允許將所述系統使用在其中其他對象可能會遮擋光學可識別元件的房間內。標稱被遮擋節段可以是被認為是靜態的被遮擋節段和/或其遮擋不是由所述對象導致的被遮擋節段。其通常可以是由檢測區域內的另ー個對象導致的遮擋。例如可以通過忽略對應於標稱被遮擋節段的所有遮擋來施行所述補償。標稱被遮擋節段例如可以被確定為校準圖像中的光學可識別元件的被遮擋節段。所述校準圖像可以是在沒有對象存在的情況下捕獲的圖像。根據本發明的ー項可選特徵，所述系統還被設置成在遮擋的持續時間超出閾值的情況下把光學可識別元件的被遮擋節段標示為標稱被遮擋節段。這樣可以提供特別有利的實施例，並且可以特別允許所述系統自動適應房間的特性。舉例來說，其可以自動對處理進行適配，以便補償檢測區域內的其他對象，這是因為這些其他對象在許多情形中可以被視為靜態的，而感興趣對象通常是非靜態的(其在許多應用中例如將是人或動物)。所述閾值可以是靜態閾值。舉例來說，在用於檢測人的許多實施例中，其可能有利地處於從15秒到I分鐘的間隔內。在一些實施例中，所述閾值可以取決於其他參數，並且可以是動態變化的閾值。根據本發明的ー個方面，提供ー種確定房間內的對象的位置特性的方法，所述方法包括將光學可識別元件放置在對應於房間的檢測區域的背景表面上，所述光學可識別元件具有光學屬性；把攝影機放置在檢測區域的對面離開光學可識別元件，所述攝影機捕獲包括所述檢測區域 和光學可識別元件的圖像；響應於所述光學屬性檢測圖像中的光學可識別元件；響應於所述光學屬性確定光學可識別元件在圖像中的遮擋的遮擋屬性；以及響應於所述遮擋屬性確定深度位置，所述深度位置表明對象沿著攝影機的光軸的位置。參照下文中描述的(多個)實施例，本發明的上述和其他方面、特徵和優點將變得顯而易見並且將對其進行闡述。


下面將僅僅通過舉例的方式參照附圖來描述本發明的實施例，其中
圖I是根據本發明的一些實施例的用於確定深度位置的系統的圖示；
圖2示出了與圖I的設置相關聯的幾何結構的一個例子；
圖3是由圖I的系統的攝影機捕獲的圖像的一個例子的圖示；
圖4示出了根據本發明的一些實施例的用於確定深度位置的處理設備的ー些元件的一個例子；
圖5和6示出了對於圖3的圖像中的被遮擋節段的檢測的一個例子；
圖7是由圖I的系統的攝影機捕獲的圖像的一個例子的圖示；
圖8示出了對於圖7的圖像中的被遮擋節段的檢測的一個例子；
圖9示出了與圖I的設置相關聯的幾何結構的一個例子；
圖10示出了由圖I的系統的攝影機捕獲的圖像的一個示意性例子；
圖11是根據本發明的一些實施例的用於確定深度位置的系統的圖示；
圖12示出了與圖I的設置相關聯但是採用兩個攝影機的幾何結構的一個例子；
圖13示出了與圖I的設置相關聯的幾何結構的一個例子；
圖14示出了根據本發明的一些實施例的用於確定深度位置的處理設備的ー些元件的一個例子；
圖15是根據本發明的一些實施例的用於確定深度位置的系統的圖示；以及圖16示意性地示出了可以利用實現本發明的邏輯依據的幾個子組件建立的示例性遊戲系統。
具體實施例方式下面的描述集中於適用於檢測房間內是否有人存在的系統的本發明的實施例。但是應當認識到，本發明不限於這ー應用，而是可以適用於許多其他應用和對象。
下面將描述一種被設置成基於由ー個或更多視頻攝影機捕獲的圖像來確定可以被放置在房間內的對象的特性的系統。具體來說，可以確定深度位置，所述深度位置包括對於房間內的潛在對象在垂直於攝影機的圖像平面的方向上的位置的估計。因此，所述系統可以允許確定對於沿著攝影機的光軸的位置分量的位置估計。所述系統還可以確定對於對象在垂直於圖像平面的方向上的一個或更多位置估計，並且可以特別確定三維位置估計。應當認識到，所確定的位置數值都不需要與光軸對準，但是至少ー個深度位置將具有沿著該軸的非零長度的投影，也就是說所述深度位置將包括沿著光軸的估計位置的信息，並且不限於僅僅圖像平面中的位置信息。攝影機將被安裝成使得深度位置通常包括沿著與攝影機和光學可識別元件兩者都相交的軸的位置分量。所描述的系統特別可用於確定對其幾乎不知道預定信息的對象的特性。舉例來說，其可能特別適用於檢測具有未知的位置、幾何結構、尺寸等等的對象。其可能還特別適用於移動對象。具體來說，所述系統高度適於確定與可能進入房間並且在其中四處移動的生物(人類或動物)相關聯的屬性。所述系統可以實際上提供關於房間內的人的存在或活動的有利檢測。所述系統利用被放置在對應於房間的檢測區域的背景表面上的光學可識別元件。 把攝影機放置在光學可識別元件的對面，從而使其捕獲包括圖像的視頻信號，所述圖像包括所述檢測區域和光學可識別元件。所述光學可識別元件具有光學屬性，其允許在視頻圖像中相對容易並且精確地檢測到該光學可識別元件。所述系統隨後可以檢測光學可識別元件的遮擋，這通常將是由於對象位於攝影機與光學可識別元件之間而造成的。因此，可以簡單地從視頻圖像中的光學可識別元件的遮擋來檢測對象的存在。出於簡明起見，下面的描述將首先集中於其中可能遮擋光學可識別元件的唯一對象就是感興趣對象的情況，也就是說在檢測區域內沒有其他對象。但是隨後將描述所述系統如何可以補償其他遮擋元素的存在。因此，所述系統評估光學可識別元件的遮擋，並且基於該遮擋的屬性確定關於沿著攝影機的光軸的位置分量的位置指示。具體來說，所述遮擋屬性可以包括關於光學可識別元件的一個或更多被遮擋節段的位置和/或尺寸的指示，並且所述位置確定可以是基於這樣的位置和尺寸。圖I示出了房間內的示例性設置。沿著房間的一面牆壁放置攝影機101。在該例中，攝影機101被放置成鄰近房間的地板，並且特別被放置在地板上方不超過50cm，並且常常不超過20cm、5cm或甚至2cm。靠近地板的位置在許多實施例中會提供改進的操作和性能，並且特別可以改進對於房間內的人的屬性的檢測和估計。其實際上可以提供其中較大圖像區域以低角度覆蓋地板的圖像，這可能特別適合於評估與房間內的人的腳部相關聯的特性，或者其他低高度対象，比如球、玩具車、塑料人偶等等。不僅可以利用處於房間內的適當低位置處的這些攝影機監測智能的移動對象(比如機器人，例如機器人真空吸塵器)，而且例如還可以使用來自這些靜態攝影機的附加數據來幫助機器人控制，並且安裝在所述機器人本身上的低處的攝影機也可以使用該系統，或者任何可移動攝影機(集合)。在房間對面的牆壁上放置光學可識別元件103。與攝影機類似，光學可識別元件位於地板附近，並且其特別可以不超出牆壁高度的一半。實際上，在許多實施例中，光學可識別元件在最高點處於地板上方不超出50cm，並且常常不超出20cm、IOcm或者甚至1cm。通過把攝影機101和光學可識別元件103靠近地板放置提供這樣ー種設置，其中光學可識別元件103在由攝影機101捕獲的圖像中的遮擋可以被假設是由接觸地板的對象導致的，並且所述遮擋可以被視為對應於靠近與地板的接觸點的對象的特性。具體來說，所述遮擋可以是由房間內的人的腳部導致的，並且因此所述設置可以得到與人的特定身體部分相關聯的遮擋。因此，攝影機101捕獲房間的圖像，其包括對面牆壁上的光學可識別元件103。攝影機101與光學可識別元件103之間的任何對象將導致光學可識別元件103的遮擋，並且這些遮擋可以被檢測、表徵以及使用來確定對象在房間內的位置。因此，攝影機101和光學可識別元件103定義了對應於房間的檢測區域，這是在其中放置對象將導致光學可識別元件103在攝影機101的捕獲圖像中的遮 擋的區域。光學可識別元件103例如可以是附著到或者例如塗繪到牆壁上的窄條帯。舉例來說，可以沿著牆壁鄰近地板放置反射膠帶(例如明亮的紅色、橙色或黃色)。在所述具體實例中，所述膠帶被放置成在底部(牆壁/地面相交處)覆蓋牆壁。所述膠帶通常可以是2cm到5cm寬。在其他實施例中，可以使用在牆壁上或牆壁處提供光學可識別元件的其他措施。舉例來說，可以使用紫外或紅外反射膠帶或塗料來提供光學可識別元件，其具有對於人眼不可見(並因此幹擾性較低)但是可以由攝影機檢測到的可檢測光學屬性。但是在其他實施例中，光學可識別元件可以由具有不同顔色的多個膠帶的組合構成，所述多個膠帶彼此平行地層疊從而形成ー個新的膠帶。這種具體設置對於其中人的鞋子的顔色非常類似於光學可識別元件的顔色從而可能導致假陰性的情況可能更加魯棒。多色膠帶將會降低這樣的假陰性的機率。例如可以有沿著所述條帶水平或垂直地重複層疊的彩虹彩色樣式。在圖I的例子中，兩個對象105、107處於房間內，並且可以特別是ー個人的兩隻腳。從攝影機101看去吋，每ー個所述對象遮擋光學可識別元件103的一部分。因此在所捕獲的圖像中，所述光學可識別元件將在兩個被遮擋節段109、111中被遮擋。(應當認識到，與所述兩個被遮擋節段被視為由兩個對象導致的情況等效的是，其可以被視為源自一個對象的兩個部分，也就是說兩個對象105、107可以等效地被視為ー個對象的兩個不同部分。因此，一個對象可以導致多處遮擋)。圖2示出了圖I的情形的側視圖的例子。在該例中，將坐標系放置成其中心與攝影機101重合。沿著攝影機的光軸的軸被標記為Z軸(也就是說在該例中，z軸是垂直於兩面牆壁和圖像平面的方向)。側向方向(沿著形成光學可識別元件的膠帶)被標記為y軸，並且垂直軸(該例中的上/下方向)被標記為X軸。因此，X和I軸處於圖像平面內，並且z軸與之垂直。攝影機在X方向上具有由兩條線201表示的視角。圖3示出了可以由攝影機101捕獲的圖像的ー個例子。(該圖像也包括桌子和椅子腿的存在。後面將討論如何對待這些對象，但是為了簡明起見，在下面的初始描述中將其忽略)。所述圖像包括光學可識別元件103和ー個人的兩隻腳105、107，從而導致光學可識別元件103的遮擋109、111。還可以看到，所述圖像從地板上方的較低高度覆蓋地板的一大部分。所述系統還包括處理設備113，其接收來自攝影機101的圖像並且對這些圖像進行處理，以便評估檢測區域內的任何潛在對象的存在或特性。具體來說，處理設備113分析所述圖像，以便基於光學可識別元件103的已知光學屬性對其進行檢測。如果沒有人(沒有物體)存在，則光學可識別元件103不被接觸地面的任何對象遮擋。但是一旦有人經過攝影機與膠帶(光學可識別元件103)之間的空間，這個人的腳部將阻擋膠帶的一部分。這ー遮擋由處理設備113檢測到並進行分析，其隨後繼續確定對於導致所述遮擋的對象的位置估計。由於光學可識別元件的屬性(明亮的顔色和/或反射率)是已知的並且通常被選擇成不同於人的鞋子或襪子的顔色(例如對於男性居留者是深棕色或藍色)，可以很容易地通過發現圖像中的預期具有光學可識別元件103的特性的像素不再具有這些屬性而檢測到人類腳部的存在。只穿有黒色或棕色鞋子的該示例性男性用戶可以選擇用紅色條帶覆蓋其左側牆壁，用綠色條帶覆蓋其右側牆壁，用橙色條帶覆蓋沿著其長度的長沙發，並且用呈圓柱狀纏繞桌子腿的(一個或更多放置在彼此之上的)黃色貼片覆蓋桌子腿(或者甚至用與光學可識別元件被施加到的對象的顏色相匹配的顔色或者與其沒有/較少視覺幹擾的顏色)。還應當提到的是，在動態學習系統中，僅僅幾個這樣的光學可識別元件可以導致非常通用的系統。如果當前存在於房間內的用戶例如遮擋了紅色條帶，則所述系統可以測量當前覆蓋所述紅色條帶的黑色鞋子的光學屬性(平均輝度、變化模式、可能的光譜屬性等等)。其隨後可以使用這些標識參數來應用相同的光學遮擋檢測，以便跟蹤甚至遮擋沒有施加光 學可識別元件的區段的事件，比如當用戶行走經過當前覆蓋對面牆壁上的綠色條帶的藍色貓籃時。具體來說，所述系統可以識別出圖像中的對應於光學可識別元件103的一條線上的像素，但是所述像素不具有光學可識別元件的光學屬性。由於房間的地板和牆壁可能具有與人的鞋子類似的顔色，因此通過使用光學可識別元件提供了更加可靠的檢測，並且其位置確保至少檢測到接觸地面並且在高度上延伸到膠帶高度以上的對象。當例如人類腳部的對象被放置在攝影機101與光學可識別元件103之間時，所述光學可識別元件在圖像中的該特定位置處將變得不可見。由於攝影機101和光學可識別元件103都被放置成靠近地表面，並且光學可識別元件103是幾cm的細條帯，因此高度有限(例如5cm)的對象也已將遮擋住光學可識別元件103的整個高度。圖4示出了處理設備113的一些元件的ー個例子。處理設備113包括接收器401，其將處理設備113接ロ到攝影機101，並且特別接收來自攝影機101的視頻圖像。接收器401耦合到檢測器403，其被設置成響應於所述光學屬性檢測圖像中的光學可識別元件103。檢測器403特別被設置成確定圖像中的對應於光學可識別元件103的幾何區域。檢測器403可以特別通過找到具有預定形狀的匹配圖像區域來確定所述幾何區域。舉例來說，在其中光學可識別元件103是窄條帶(膠帶)的例子中，所述幾何區域將對應於圖像中的線。因此，檢測器403可以嘗試在圖像中找到一條線，其具有與光學可識別元件103相匹配的特性。應當認識到，在其他實施例中，可以使用其他幾何形狀。舉例來說，如果光學可識別元件是正方形，則檢測器403將把所述圖像區域匹配到具有與光學可識別元件103的光學屬性相匹配的光學特性的正方形。在一些實施例中，所述預定幾何形狀可以考慮到光學可識別元件103可能在圖像中發生的任何形變，這例如是由於攝影機101相對於光學可識別元件103的放置的結果，或者例如是由於攝影機101與光學可識別元件103之間的變化的距離。檢測器103可以特別在圖像中捜索具有與光學可識別元件103的光學屬性匹配的圖像特性的圖像區域。舉例來說，如果光學可識別元件103是明亮紅色，則檢測器403將在圖像中捜索明亮紅色的適當形狀的幾何區域，也就是說其具有代表與明亮紅色足夠接近的顔色的像素值。因此，檢測器403將基於與所述光學屬性相對應的圖像特性(特別是像素值)找到所述幾何區域。特別在其中已經存在對應於靜態對象的遮擋的情況下，檢測器403可以確定對應於光學可識別元件103的圖像區域。舉例來說，可以在沒有人但是有遮蔽從攝影機101到光學可識別元件103的視線的椅子和桌子的情況下施行校準操作。作為ー個具體實例，可以考慮圖I的設置。在該例中，攝影機101被安裝在牆壁底部，並且在正z方向上具有平行於地表面的指向，從而看向對面牆壁上的反射膠帶(光學可識別元件103)。由於膠帶屬性(明亮的顔色和/或反 射率)是已知的，並且在大多數時間不同於人的鞋子或襪子的顔色(通常是深棕色或藍色)，因此通過找到對應於反射膠帶的一條線上的不具有所述膠帶的光學屬性的像素可以很容易檢測到人類腳部的存在。在該例中，攝影機101被安裝成使其光軸(z軸)垂直於牆壁並且平行於地板(假設地板與牆壁之間成90度角)。因此在理論上所述膠帶在來自攝影機101的圖像中表現為略低於圖像中部的水平可見帶條。但是由於攝影機安裝在不同實現方式中可以不同，因此所述可見帶條可能看起來略有垂直位移，並且還可能由於攝影機101的安裝中的不經意傾斜而看起來有旋轉。但是已經知道理想的透視攝影機會把真實世界中的直線投影成ニ維圖像中的直線。利用這一知識，檢測器403可以識別出屬於反射膠帶的像素，這是通過找到其屬性與反射膠帶的光學特性相匹配的具有適當寬度的帶條或線的像素而實現的。作為第一歩，可以基於以下條件在所觀測到的RGB彩色圖像中識別出屬於膠帶的像素
(riii.rtglu.viJHu.v))e S
其中，S是像素所能取得的將其分類為「膠帶像素」的RGB顔色矢量的數值集合。在其中使用飽和紅色膠帶的具體實例中，適當的數值例如可以是(119…225)，(0-99),⑴…99)}。因此，具有處於這些範圍內的RGB數值的像素就被認為對應於反射膠帶。對於S的選擇當然取決於用在具體例子中的膠帶的顔色。此外，所述集合S還可以取決於所使用的具體攝影機的設定。在識別出對應於膠帶的可能像素之後，對於這些像素施行線擬合。具體來說，例如利用公知的最小ニ乘擬合方法將一條直線擬合通過這些像素。其結果是，利用以下等式識別出圖像中的直線
U = av + h,
其中，U是圖像的垂直軸，V是圖像的水平軸。在該例中，對應於反射膠帶(即光學可識別元件103)的線可以被視為具有單個像素寬度，但是在其他實施例中也可以考慮多個像素的寬度。因此，檢測器403按照上述方式識別出所述圖像的對應於光學可識別元件103的區域，因此其被認為在沒有任何對象遮蔽從攝影機101到光學可識別元件103的視線的情況下具有對應於所述光學屬性的像素值，例如簡單地就是光學可識別元件103的顔色數值。但是如果有任何對象處於攝影機101與光學可識別元件103之間，則這些像素將把其數值改變到造成遮蔽的對象的數值。檢測器403耦合到遮擋處理器405，其被設置成響應於所述光學屬性確定圖像中的光學可識別元件103的至少ー處遮擋的遮擋屬性。具體來說，遮擋處理器405被設置成識別出對應於光學可識別元件103但是其光學特性不同於所述光學屬性的所識別出的幾何區域的被遮擋節段。舉例來說，遮擋處理器405可以對於與光學可識別元件103相對應的圖像區域內的每ー個像素確定其像素值是否滿足相對於所述光學屬性的匹配標準(例如所述匹配標準是其顏色與光學可識別元件103的顔色的偏差不超出給定數量)。遮擋處理器405隨後繼續將所述圖像區域分段成被視為對應於光學可識別元件103的節段(即主要包含滿足匹配標準的像素)以及不對應於光學可識別元件103的節段(即主要包含不滿足匹配標準的像素)。因此，遮擋處理器405可以被設置成識別出所述圖像區域的應當具有反射膠帶的顏色但是與該顏色不匹配的各個節段。這樣的(多個)節段通常將具有不同的顔色，這是因 為其已經被位於攝影機101與光學可識別元件103之間的對象所遮擋。遮擋處理器405例如可以生成遮擋屬性以便包括關於所檢測到的所有遮擋節段的尺寸和/或位置的指示。所述尺寸和位置數值可以特別以像素維度給出，並且可以用圖像坐標來提供。對應於單個像素線的數值例如可以被給作中間位置和尺寸，或者被給作關於起始和停止坐標的指示。作為ー個具體例子，圖5示出了對應於圖I的情形的圖3的圖像中的所檢測到的遮擋節段(假設桌子和椅子腿不存在)。圖6以示意性的形式示出了相同的圖像。在該例中，圖像的水平方向由V軸表示，圖像的垂直方向由u軸表示。如圖所示，光學可識別元件103被識別為對應於圖像中的線601，並且遮擋處理器405捜索過該線的各個像素以便識別出其顔色不同於光學可識別元件103的兩個被遮擋節段109、111。具體來說，遮擋處理器405可以順序地評估起始於最小r坐標並且結束於最大r坐標的「膠帶」線601中的所有像素。對於該線上的每ー個像素(《，り，如果滿足以下條件則開始新的被遮擋節段
Olif,s'),<r(n,ii,/ !ii,i*iie S。當滿足以下條件時，被遮擋節段被視為結束
IH Ih r I, g{u. V), HIむ"} e S。因此，在該例中，確定了對應於每ー個被遮擋節段的開始和結束位置(rstart，Kstop)。應當認識到，在許多實際實施例中，可以應用一定隱含的或顯式的空間濾波效應，以便補償圖像噪聲等等並且提供更好地定義的節段。所述遮擋屬性(並且特別是關於被遮擋節段的指示)被饋送到位置處理器407，其耦合到遮擋處理器405。位置處理器407被設置成響應於所述遮擋屬性確定對象在檢測區域內的深度位置。所述深度位置包括表明對象沿著從光學可識別元件103到攝影機101的軸(並從而是沿著光軸)的位置的至少ー個位置分量。因此，所述深度位置包括不處於圖像平面內(即ム方向上)但是沿著攝影機的光軸(即z方向)的至少ー個分量。因此，位置處理器407不(僅僅)估計圖像中的位置，而且(或者相反地)估計垂直於圖像的方向上的位置。該估計是基於圖像中的信息生成的，並且特別是基於光學可識別元件103的遮擋生成的。本發明的發明人特別認識到，光學可識別元件的遮擋不僅可以被用來確定對象在圖像平面中的位置，而且還可以提供允許確定沿著攝影機101的光軸的位置的信息。正如下面將描述的那樣，可以使用不同的算法來確定這樣的位置估計。具體來說，可以使用被遮擋節段的標識，並且位置處理器407可以特別基於光學可識別元件103的被遮擋節段的位置和/或尺寸來確定所述方向上的位置估計。作為ー個簡單的例子，所述位置可以是基於遮擋的估計尺寸連同對象的假設尺寸。舉例來說，對於人的腳部可以假設ー個平均尺寸，並且可以基於相應的遮擋節段的所測尺寸來確定沿著Z軸的位置。因此，較大的遮擋節段可能是從靠近攝影機101的位置得到的，較小的遮擋節段可能是從更加遠離攝影機101的位置得到的。應當認識到，雖然這樣的方法可能會在對於可能具有不同尺寸的對象(比如人類腳部)的估計位置中提供一定的不確定性，但是這在許多應用中都是可以接受的。此外，所述方法可能特別適用於其中對象往往具有相同尺寸的應用。舉例來說，圖7示出了ー個例子，其中三個塑料杯在與攝影機的不同距離下被放置在地板上。所述三個塑料杯在其遮擋反射膠帶的點處具有基本上相同的尺寸。但是如圖 8中所示，由於其與攝影機101的鄰近度不同，因此相應的遮擋節段的尺寸可能顯著不同。相應地，被遮擋節段的尺寸可以直接被用作關於從攝影機101到杯子的距離的指示，即被用作關於沿著z軸的位置的指示。但是在許多實例中，位置估計是在沒有對於對象尺寸的任何假設的情況下確定的。實際上，在許多實施例中可以估計位置，並且隨後將其用來估計對象尺寸。下面提供確定沿著光軸的位置估計的ー個例子。在該例中，所述估計是基於在圖像中被檢測為對應於被遮擋節段的圖像對象而確定的。具體來說，位置處理器407可以施行圖像分段，並且選擇與所述被遮擋節段重疊或者包括所述被遮擋節段的一個或更多圖像節段。對應於給定被遮擋節段的圖像對象或節段例如可以被確定為包括其特性滿足相對於被遮擋節段的像素的匹配標準的像素的區域。舉例來說，可以使用具有基本上相同的顔色的像素區域。位置處理器407隨後基於所述圖像節段的特性確定位置估計。該圖像特性例如可以是所述圖像節段的尺寸或維度。實際上，在該具體實例中，所述圖像特性可以表明圖像對象在遠離光學可識別元件的圖像方向上的延伸。所述圖像方向例如可以對應於垂直圖像方向和/或沿著房間地板的方向。所述圖像屬性/特性可以表示圖像對象在基本上垂直的圖像方向上的延伸。因此，圖像對象在向下的方向上的延伸可以被測量並且被用來確定對象沿著Z軸的位置。如圖7中所示，最靠近攝影機的紙杯在圖像中比更加遠離攝影機的紙杯向下延伸得更多。作為ー個具體實例，位置處理器407可以首先確定沿著膠帶(光學可識別元件103)的方向上(即ァ方向上)的圖像位置坐標。該方向對應於圖像中的^坐標，並且可以簡單地被確定為平均位置
V + V
，+<*j —つ。這樣就提供了對象在圖像中的位置，但是還沒有提供在地板上的位置。為了計算對象在地板上的位置，位置處理器407首先計算z坐標，並且隨後計算ァ坐標。圖9示出了將要解決的幾何結構的圖示。所述方法是基於假設對應於「針孔攝影機模型」的攝影機以及例如在D. A. Forsytt^PJ. Ponce 的「Computer Vision: A ModernApproach」 (2003,Pearson Education, Inc. , ISBN 0-13-191193-7)中給出的透視投影等式。位置處理器407嘗試確定對象接觸地板的點的z坐標。為了確定該坐標，首先確定該點的垂直圖像坐標坐標)。位置處理器407通過確定圖像中的對所述對象進行映射的圖像區段與沒有對所述對象成像而是仍然對地板成像的圖像區段之間的節段邊界而實現這一點。圖10示出了其中在圖像中僅僅存在兩個對象的一個實例(其對應於圖6的實例)。所述兩個對象導致對應於被遮擋節段的兩個圖像對象或節段1001、1003 (只考慮低於光學可識別元件103的部分)。這些圖像對象1001、100 3在對應於光學可識別元件103的線601下方延伸。首先，評估線601下方的圖像「條」，以便確定背景圖像的哪ー個部分由於對象的存在而發生了改變。該例的具體方法沒有假設背景具有特定顔色，而是假設在對象與背景之間存在一定顏色對比度。由於已經基於光學可識別元件施行了對象檢測，因此對象與背景之間的對比度數量只對位置估計有影響，對於所述位置檢測步驟則沒有影響。此外，光學可識別元件的存在使得位置估計更加魯棒，這是因為其把位置估計從ニ維簡化成一維搜索問題。由於對象的圖像通常包含多個圖像列(其在圖像r方向中延伸)，因此在評估與預先計算的背景圖像的差異時可以應用求平均操作。這樣就補償了可能存在於對象的圖像與背景圖像之間的較小對比度。因此，對於所述轉變(邊界)的所有可能位置確定上方條的平均誤差減去下方條的平均誤差之間的差異。隨後將所述邊界選擇成對應於為之找到最大差異的位置。對應於兩個平均誤差之間的最大差異的u坐標相應地被選擇為對象的u坐標。因此，所述《坐標代表對應於光學可識別元件103的線601與對應於遮擋109、111的節段1001、1003的節段邊界之間的圖像距離。給定對象的u坐標之後，位置處理器407隨後基於圖9中示出的幾何結構計算對象的z坐標，從而得到下面的等式
ZiM _ k
H - ^
其中，A是僅僅取決於攝影機參數的固定常數(關於背景參見D. A. Forsyth和J.Ponce 的『『Computer Vision: A Modern Approach2003,Pearson Education, Inc. , ISBN
0-13-191193-7)的標題為「Geometric Camera Models」的第2章)，並且//是攝影機在地面上方的高度。所述等式是根據圖9的幾何結構自動得出的，這是因為其基本上對應於以下要求從攝影機分別到"。w和的三角形是相似的(除了尺寸之外具有相同的幾何比例)。可以從攝影機的規範獲知與攝影機有關的參數I但是可能不嚴格需要A的數值。實際上，從圖9和前面的等式可以看出
= 。由於-M是常數，因此《。ポ相應地也是常數。
這就使得有可能在安裝了攝影機和光學可識別元件之後校準所述系統。可以把對象放置在與攝影機101具有已知距離Aef (例如Im)的檢測區內，並且可以測量相應的 坐標"μ。對於具有不同u坐標的不同對象，可以如下確定相應的ζ坐標
其中，索引「ref」指代對於校準對象獲得的數值。下面將描述從光學可識別元件103的遮擋確定沿著ζ軸的位置的ー個不同的例子。該具體實例使用第二攝影機1101，其如圖11中所示也耦合到處理設備113。第二攝影機1101可以位於與第一攝影機101相同的相對高度處，但是可以在ァ方向上有位移。在許多實施例中可以使用攝影機101、1101之間的相對較短的距離，比如不超過50cm或者甚至20cmo在該例中，檢測器403被設置成對來自第二攝影機1101的圖像施行與來自第一攝影機101的圖像相同的處理。因此，具體來說，檢測器403可以識別圖像中的對應於光學可識別元件103的區域(具體來說是線)。類似地，遮擋處理器405施行相同的處理並且確定遮擋屬性，所述遮擋屬性舉例來說可以識別出對應於光學可識別元件103的圖像區域的被中間對象遮擋的各個部分。所識別出的被遮擋節段被饋送到位置處理器407。由於攝影機101、1101的不同放置，放置在檢測區域內的對象在光學可識別元件103上的相對位移將取決於該對象與攝影機101、1101有多靠近。在圖11中示出了這一點，其中示出了兩個對象點1103、1105 (所述對象點例如可以被視為圖I的對象105、107上的點，或者例如可以被視為對應於非常窄的對象)。由於攝影機101、1101的位移，對象1103、1105在圖像中將有位移，並且將出現在圖像中的不同位置處。此外，由於攝影機101、1101的位移，對象1103、1105將出現在相對於光學可識別元件103的不同位置處。此外，對象1103,1105在圖像中以及相對於光學可識別元件103的實際位移取決於對象沿著ζ軸的距離。實際上，所述位移會隨著從攝影機101、1101到對象的距離減小而増大。因此，在該實施例中，位置處理器407被設置成識別出對應於同一對象的兩幅圖像中的被遮擋節段。這例如可以通過把彼此最靠近的被遮擋節段相匹配來實現，但是應當認識到，也可以使用更加複雜的算法，比如考慮所述設置的尺寸和/或幾何結構。對於匹配的節段，可以確定ー個點在兩幅圖像中的位移(或者是圖像中的位移，或者是相對於光學可識別元件103的位移)。舉例來說，可以確定所計算的平均位置的位置。該位移隨後可以被用來計算ζ方向上的位置。因此，位置估計是基於兩幅圖像中的被遮擋節段之間的相對圖像位置的差異來計算的。舉例來說，參照圖12，可以利用下面的等式從所述位移計算ζ方向上的位置。假設第二攝影機在相對於第一攝影機的負ァ方向上被放置在沿著ァ軸的距離ガ處。利用針孔攝影機模型對於第一攝影機得到
權利要求
1.ー種用於確定空間的檢測區域內的對象的位置特性的系統，所述系統包括 用於放置在檢測區域的地面上或其附近的光學可識別元件(103)，所述光學可識別元件(103)具有光學屬性； 用於放置在檢測區域對面離開光學可識別元件(103)的攝影機(101)，所述攝影機(101)被設置成捕獲包括檢測區域和光學可識別元件(103)的圖像； 用於響應於所述光學屬性檢測圖像中的光學可識別元件(103)的檢測器(403)； 用於響應於所述光學屬性確定光學可識別元件(103)在圖像中的至少ー處遮擋的遮擋屬性的遮擋處理器(405);以及 用於響應於所述遮擋屬性確定深度位置的位置處理器(407)，所述深度位置表明對象沿著攝影機(101)的光軸的位置。
2.如權利要求I所述的用於確定對象的位置特性的系統，所述對象被設置在作為房間的空間內，所述系統包括 用於放置在對應於房間的檢測區域的背景表面上的光學可識別元件(103)，所述光學可識別元件(103)具有光學屬性； 用於放置在檢測區域對面離開光學可識別元件(103)的攝影機(101)，所述攝影機(101)被設置成捕獲包括檢測區域和光學可識別元件(103)的圖像； 用於響應於所述光學屬性檢測圖像中的光學可識別元件(103)的檢測器(403)； 用於響應於所述光學屬性確定光學可識別元件(103)在圖像中的至少ー處遮擋的遮擋屬性的遮擋處理器(405);以及 用於響應於所述遮擋屬性確定深度位置的位置處理器(407)，所述深度位置表明對象沿著攝影機(101)的光軸的位置。
3.權利要求I或2的系統，其中，所述光學可識別元件(103)是被施加到牆壁上或者被用來形成人為邊界的細長元件，並且在空間上被限制到牆壁的一半高度以下。
4.權利要求I或2的系統，其中，所述位置處理器(407)被設置成確定所述圖像的與光學可識別元件的被遮擋節段相關聯的圖像對象；以及響應於所述圖像對象的圖像特性生成深度位置。
5.權利要求I或2的系統，其中，所述圖像特性表明圖像對象在遠離光學可識別元件的圖像方向上的延伸。
6.權利要求4的系統，其中，所述位置處理器(407)被設置成 檢測對應於房間地板的另ー個圖像對象； 確定所述圖像對象與所述另ー個圖像對象之間的節段邊界；以及 響應於光學可識別元件與節段邊界之間的圖像距離確定深度位置。
7.權利要求I或2的系統，其還包括 用於放置在檢測區域對面離開光學可識別元件的另ー個攝影機(1101 )，所述另ー個攝影機(1101)捕獲包括檢測區域和光學可識別元件(103)的另一幅圖像；並且其中 所述檢測器(403)還被設置成響應於所述光學屬性檢測所述另一幅圖像中的光學可識別元件(103)； 所述遮擋處理器(405)被設置成響應於所述光學屬性確定光學可識別元件(103)在所述另一幅圖像中的至少ー處遮擋的另一項遮擋屬性；並且所述位置處理器(407)被設置成響應於所述遮擋屬性和所述另ー項遮擋屬性確定深度位置。
8.權利要求7的系統，其中，所述位置處理器(407)被設置成響應於所述圖像和所述另一幅圖像中的被遮擋節段之間的相對圖像位置的差異確定深度位置。
9.權利要求I或2的系統，其還包括尺寸處理器(1401)，所述尺寸處理器(1401)被設置成響應於深度位置和光學可識別元件的至少ー個被遮擋圖像節段的圖像尺寸來確定對於對象的尺寸估計。
10.權利要求I或2的系統，其中，所述對象是人類或非人類生物，並且所述系統還包括用於響應於所述遮擋屬性檢測生物在檢測區域內的存在的檢測處理器(1403)。
11.權利要求10的系統，其中，所述檢測處理器(1403)被設置成響應於圖像中的光學可識別元件(103)的遮擋的動態變化來檢測所述存在。
12.權利要求11的系統，其中，所述檢測處理器(1403)還被設置成響應於所述動態變化確定生物和生物活動的至少其中ー項的第一特性。
13.權利要求I或2的系統，其中，所述檢測器(403)被設置成響應於檢測到具有與所述光學屬性匹配的圖像屬性的圖像區域來估計所述圖像的對應於光學可識別元件(103)的幾何區域，並且所述遮擋處理器(407)被設置成識別出具有與所述光學屬性不匹配的圖像屬性的所述幾何區域的被遮擋節段。
14.權利要求I或I的系統，其還被設置成確定房間內的光學可識別元件(103)的標稱被遮擋節段集合;並且其中所述位置處理器(409)被設置成對於所述標稱被遮擋節段補償遮擋屬性。
15.權利要求14的系統，其還被設置成在遮擋的持續時間超出閾值的情況下把光學可識別元件的被遮擋節段標示為標稱被遮擋節段。
16.權利要求I的系統，其包括遮擋分析単元(1422)，所述遮擋分析単元(1422)用於分析至少一幅所捕獲圖像中的至少ー個空間區段的光學屬性，其中該空間區段的所有像素對應於光學可識別元件和造成遮擋的對象的至少其中ー項。
17.權利要求I的系統，其包括攝影機包含單元(1622，1660，1605)，所述攝影機包含單元(1622，1660，1605)具有包含區段(1630)，從而允許把至少ー個可攜式攝影機或者至少一個帶有攝影機的可攜式設備合併在其中。
18.權利要求I的系統，其包括至少兩個帶有攝影機的可攜式設備以及用於在所述至少兩個帶有攝影機的可攜式設備之間進行協調的軟體，其中所述協調至少涉及將來自所述至少兩個帶有攝影機的可攜式設備的所捕獲圖像進行比較。
19.ー種確定空間內的對象的位置特性的方法，所述方法包括 將光學可識別元件(103)放置在對應於房間的檢測區域的地面上或其附近，所述光學可識別元件(103)具有光學屬性； 將攝影機(101)放置在檢測區域對面離開光學可識別元件(103)，所述攝影機捕獲包括檢測區域和光學可識別元件(103)的圖像； 響應於所述光學屬性檢測圖像中的光學可識別元件(103); 響應於所述光學屬性確定光學可識別元件(103)在圖像中的遮擋的遮擋屬性；以及 響應於所述遮擋屬性確定深度位置，所述深度位置表明對象沿著攝影機(101)的光軸的位置。
全文摘要
本發明涉及一種用於確定房間內的對象的位置特性的系統，其包括用於放置在對應於房間的檢測區域的背景表面上的光學可識別元件(103)。將攝影機(101)放置在檢測區域對面離開光學可識別元件(103)，並且攝影機(101)捕獲包括檢測區域和光學可識別元件(103)的圖像。檢測器(403)基於光學屬性檢測圖像中的光學可識別元件(103)。遮擋處理器(405)響應於所述光學屬性確定光學可識別元件(103)在圖像中的遮擋的遮擋屬性。位置處理器(407)響應於所述遮擋屬性確定深度位置，其中所述深度位置表明對象沿著攝影機(101)的光軸的位置。本發明例如可以允許對於房間內的人的存在檢測和粗略定位。
文檔編號G06T7/00GK102687174SQ201180005948
公開日2012年9月19日 申請日期2011年1月10日 優先權日2010年1月12日
發明者C.瓦雷坎普, M.J.W.梅坦斯, P.L.E.範德瓦勒 申請人:皇家飛利浦電子股份有限公司