電腦視覺監控產學研聯盟

The Industrial Liaison Program Of  VBIE

 

2010年11月第42期

電子報

 

 

 

 

 

 

 

發行單位:電腦視覺監控產學研聯盟

出刊日期:2010年11月

本期主編: 黃仲陵

本期聯絡人: 鄭琇勻

(03)5715131轉34070

新竹市光復路二段101號 

電機資訊大樓

電腦視覺監控產學研聯盟網站: 

http://vbie.eic.nctu.edu.tw/

 

         

  中華大學「安全監控技術與應用論壇」  勾勒未來新安全世代

  ONVIF 2.0 發展趨勢分析研討會報導

多視角下壅塞環境的多人物偵測與追蹤研究

H.264 壓縮域百萬像素下之快速及強健物件偵測技術

中華大學「安全監控技術與應用論壇」  勾勒未來新安全世代

 撰稿 / 產學研聯盟

中華大學於2010年10月26日新竹國賓飯店舉辦「安全監控技術與應用論壇」,發表校內有關安全監控相關技術,提供產業界明白學術殿堂的知識內涵。

中華大學去年榮獲教育部獎助計畫(大專校院發展區域產學連結計畫),該計畫為強化大專校院發展產學合作。這次技術發表有三大重點:第一項為安全辨識系統,演講人為資訊工程學系黃雅軒教授,與談人為聯合大學韓欽銓教授,兩位教授均於影像辨識系統領域有卓越之研究成果;黃教授於本次論壇中介紹日前報章媒體所廣為宣傳之人臉辨識系統技術,包含其發展歷史、系統架構、處理模組與相關技術應用;黃教授更於論壇中當場展示所研發之人臉辨識技術,即使側臉也能追蹤,現在學生上課即使教師不點名也能清楚紀錄出缺席狀況;人臉辨識技術除了可應用在門禁系統、辨公大樓及工廠的監控,更可應用在智慧型玩具上,來輔助保全人力的不足。此外,目前黃教授正進一步研發性別偵測技術,未來將適合使用於各校園宿舍與社區管理。

第二項技術為資訊工程學系連振昌教授主講之夜間安全監控系統,與談人為元智大學施皇嘉教授;因透過紅外線技術,即使在夜間也能精確進行追蹤,引用目前最先進的影像偵測技術,研發出能自動偵測並特寫目標物的監控系統。除能同時偵測出多組目標物外,還加入追蹤技術,達到智慧型的目標物追蹤效果。並搭配事件、偵測物或特定時段設定錄影模式,可節省大量的儲存空間與便利資料的查詢,目前系統引用最新之壓縮技術來存取資料,應用網際網路的技術,提供使用者遠端瀏覽與查詢的功能。該系統可依不同的監控環境需求搭配有效率的攝影機,成為高移植性的監控系統。適用於家庭遠端保全、社區多區域監控、公司大樓保全監控等特定區域監控。

第三項技術為本校與工研院辨識中心共同合作之嵌入式安全監控技術,主講人為藍坤銘博士,與談人為連振昌教授與白宏益工程師,目前辨識中心研發之技術已有多項與業者需求結合,技轉廠商包含上游 IC 業者(例如創意電子與智原等)、中興保全、聯群、凱帝、新誼、律硉它h家業者。

產業界的參與也是本次技術論壇的特色,本次論壇特有幸邀請到新竹市警察局張弘文副局長、陳豪傑課長與新竹市刑警大隊邱紹洲隊長蒞臨本論壇,以及「中興保全」、「台隆科技」、「台灣安防科技」、「悍將科技」、「福達工程有限公司」、「固緯電子」、「鎧祥科技」、「嘉威科技」、「勤眾科技」、「宏宇科技」、「研華股份有限公司」、「指旺科技」、「尚立機電」、「易弘網」與「新竹市建築開發商業同業公會」等公司代表約50多位貴賓共襄盛舉,會中並透過公開交流討論方式,互相分享與討論安全監控技術與未來研發應用趨勢,充分達到學術與產業交流之目的。

本次透過「安全監控與技術論壇」將本校研發資源應用到產業界,此為一對有利之方向,因業界對學校知識技能的認識、與教授對產業線上需求的了解,兩者都是距離的來源,因此透過此次安全監控技術與應用論壇,成功將中華大學所研發之「安全監控」技術具體向社會大眾與業界作進一步推展。

未來本校之安全監控相關技術除了結合本校各領域通力合作外,也將充分了解業界需求,擴建產學研發能量,與推廣技術應用於產學界,才得以發揮技術之最大應用。

 

主題一:黃雅軒教授

 

 

主題一:交流互動時間

主題一:交流互動時間

主題二:連振昌教授

主題三:藍坤銘博士

主題三:交流互動時間

 

 

 

ONVIF 2.0 發展趨勢分析研討會報導

撰稿 / 產學研聯盟

ONVIF (Open Network Video Interface Forum)是國際在2008年合作建立的全球開放性論壇。其任務為加速通過網路視訊產品全球性開放介面標準。工研院辨識與安全科技中心、資通所與交通大學電腦視覺中心(VBIE 學界科專計畫)針對安全監控全球標準與技術發展趨勢,分析國際ONVIF發展現況,期使國內業者能掌握全球智慧影像標準化趨勢,於中華民國99年9月20日(星期一) 下午13:30假台北科技大樓605會議室舉辦「ONVIF 2.0 發展趨勢分析研討會」。會議議程如下表所列。

ONVIF 2.0 發展趨勢分析研討會

時間

議程

Owner

13:30∼14:00

報到

 

14:00∼14:05

致歡迎詞

 

14:05∼14:10

貴賓致詞

 

14:10∼14:40

運用人臉辨識及掌紋生物特徵於ONVIF門禁領域之研究

電腦視覺監控產學研聯盟

韓欽銓教授 / 連振昌教授

14:40∼14:50

中場休息與交流時間

 

14:50∼15:30

ONVIF 2.0 Network Video Storage技術發展介紹

資通所

15:30∼16:00

ONVIF 2.0 NVT Analytics service與Conformance testing發展之研究

辨識中心

16:00∼16:30

Open Discussion for ONVIF 2.0

 

這一次會國內廠商參與熱烈,約有數十家國內廠商派員參加(如下圖)。此次會議主題包括:

(1)   運用人臉辨識及掌紋生物特徵於ONVIF門禁領域之研究

(2)   ONVIF 2.0 Network Video Storage技術發展介紹

(3)   ONVIF 2.0 NVT Analytics service與Conformance testing發展之研究

以下分別介紹。

 

http://lh3.ggpht.com/_o8U4EKNdY90/TJr3fNYgbnI/AAAAAAAAARU/aqCEPl4fLmQ/s512/IMG_3021.JPG

圖一:國內廠商參與熱烈

 

(1)運用人臉辨識及掌紋生物特徵於ONVIF門禁領域之研究

於此主題中,韓教授對於人臉辨識及掌紋生物特徵於ONVIF門禁領域之研究作以下之介紹

  • 人臉特徵表示方式(Facial Feature Representation)

  • 特徵區分能力分析(Feature Discriminant Analysis)

  • 分類器設計(Classifier Design)

 

http://lh5.ggpht.com/_o8U4EKNdY90/TJr3g8IrTkI/AAAAAAAAARY/_CHWVt_kRu8/s512/IMG_3022.JPGhttp://lh4.ggpht.com/_o8U4EKNdY90/TJr3pKtly9I/AAAAAAAAARw/SLV3ZdNYPD4/s512/IMG_3028.JPG

圖二:連振昌教授與韓欽銓教之演講

 

(2)ONVIF 2.0 Network Video Storage技術發展介紹

ONVIF 2.0 Network Video Storage 技術發展介紹以下之主題

  • 視訊監控產業狀況與趨勢

  • ONVIF 2.0 簡介

  • 視訊監控儲存技術發展介紹

  • 工研院資通所監控技術發展狀況

針對Centralized 與Distributed storage也作簡介

Centralized

– High density of cameras are located in one location

– NVRs would be located in one central IT facility

– All of the vidoe could be recorded on one storage server

• Distributed

– Cameras located across many locations

– Small and flexible storage architecture

– Using the right amount of storage for the right amount of cameras

 

http://lh4.ggpht.com/_o8U4EKNdY90/TJr36oh74XI/AAAAAAAAATc/cIElmu5ClHg/s512/IMG_3053.JPG

圖三:呂沐錡博士之演講

 

(3)ONVIF 2.0 NVT Analytics service與Conformance testing發展之研究

於此演講主題鄭研究員針對ONVIF Analytics Service與ONVIF Conformance Process做精闢之講演,有興趣之廠商可與工研辨識中心聯繫。

http://lh3.ggpht.com/_o8U4EKNdY90/TJr4GrHSspI/AAAAAAAAAUc/DoCgaqldtCs/s512/IMG_3069.JPG

圖四:鄭研究員之演講

 

(4)Open Discussion for ONVIF 2.0

  • ONVIF現在並無驗證程序之規劃,僅廠商自我驗證。此外,在實做ONVIF連接性方面;ONVIF提出130項驗證項目,實做工具僅測試29項。因此現行規範還有許多改進點可施力。

  • 此外門禁領域也是ONVIF現今最新主張之領域,國內門禁製造算大宗;ITRI可以代表國內廠商之意見與聲音,於ONVIF主要會議中發言。

  • 2010年中心預計參與ONVIF年會。出發前舉辦一次會前會,參與年會完成後舉辦會後分享會。ITRI與VBIE於先行準備背景資料,於會前會中先行介紹。再與廠商互動彙整其意見,作為參與年會提案之基礎。

多視角下壅塞環境的多人物偵測與追蹤研究

 撰稿 / 徐士中

陰影去除法

亮度變化判別式:

             

,其中0 < < 1,1 <。值得注意的兩點,其一,我們將第一個亮度判別式改成乘法可避免遇到分母為零的情況發生,即背景點亮度為0;其二,凡是背景的參數BKV 或BKS 有下標t 與上標k,下標t 代表前一時刻(t-1)更新完後的Codebook,上標k 則代表Codebook 中特定位置(x, y)所建立出一個或多個Codeword(s)中出現次數最多者(第k 個Codeword)當成現在的背景點拿來比較。

雖然已有許多國際上發表的論文證明利用HSV 去除陰影可以達到令人滿意的效果,但我們發現在特殊的亮度值下,調整參數往往仍無法有效解決陰影的誤判, 改良後如下圖所示:

針對白色角度比對改良前(左圖)後(左圖)

資料來源:本計畫整理

RGB 色彩立方體圖示

關於角度計算的問題,我們簡單地使用三角函數的餘弦定理,參照下圖兩向量的示意圖,若Vc = (Rc, Gc, Bc),Vp = (Rp, Gp, Bp),則根據餘弦定理我們可以推導出這兩向量間的夾角關係:

 

 

算出夾角cosine 值後,當我們在比較夾角的大小時,需要注意的一點是在角度

針對黑色角度比對改良前(左圖)後(左圖)

資料來源:本計畫整理

針對上圖中黃色框圈起的區域,我們注意到在原始的HSV 陰影去除法中仍存在著另外一項問題,就是當原本建背景模型時亮度較暗的區域,建立出來的機率雲會有部份超出RGB各值0~255,這代表著這些區域比起其他顏色亮度的區域有更高的機會被判別為前景。

上述這些陰暗處有可能在後來偵測時因為環境光照改變而變亮,顯示出較為真實的原始顏色,這對於下式的陰影去除的第一個亮度判別式來說相當的不利。假設在位置(x, y)的像素,建立出來的Codeword 背景點亮度值,而輸入像素的亮度值,則在下式第一個判別式

,代入假設值

 

原本建立出來的Codeword 背景點亮度值,輸入像素的亮度值,取補色後 (註:HSV的亮度計算是取RGB三通道中最大值),則

上式(結果有可能成立。另外角度運算上不再會出現向量長度為零的情況,夾角從白色夾角運算修正為黑色夾角運算修正,唯一需要限制何時取補色,在實驗的過程我們取個大概小於128的亮度值即可,因為理論上非極端點白色與黑色夾角運算產生的結果會相同。

 

 

 

 

 

H.264 壓縮域百萬像素下之快速及強健物件偵測技術

撰稿 / 林可薇

至今,影像分析的技術已經發展的相當完善。在這部分領域的研究計畫也不斷地被研發中。政府單位如美國DARPA、歐盟GAZE與英國Surveillance Society等,世界著名廠商如IBM、AXIS、Object Video等,學術單位如CMU等,均於此領域技術層面上互別苗頭。不過,一般的網路攝影機(IP Camera)所能提供的解析度比較低,以致於受限於攝影機硬體的緣故,導致影像分析技術方面無法正確有效的執行。為了改良網路攝影機的缺失,攝影機廠商業者也不斷地提出高解析度的百萬像素網路攝影機。百萬像素網路攝影機對影像分析上有兩個亟需解決的難題,首先是如何快速地處理百萬像素以上資料量的影像分析;其次為如何強健地處理高解析度影像分析,由於百萬像素的解析度較為清晰,導致對環境雜訊的容忍度較低。因此,如何快速且強健地處理百萬像素以上的物件偵測是我們著重的研究關鍵。

除此之外,百萬像素網路攝影機支援的主要壓縮格式是H.264壓縮格式,H.264的壓縮規格是以區塊(block)為主的壓縮格式,在未解壓縮回pixel domain之前,難以區分出物件具體的形狀。基於這個理由,我們希望開發出在H.264壓縮域下的強建物件偵測技術。

目前常見的物件偵測技術絕大部分是使用未壓縮的視訊影像去進行,但由於這些未壓縮視訊影像的資料量過於龐大,除了很難透過有限的網路頻寬進行傳輸外,在處理的過程中更因為計算量負載(computing power)的問題,使得系統處理效能不彰。有鑑於此,我們於視訊壓縮模式下進行移動物件的偵測,除了可以從H.264壓縮視訊中取出所需的特徵外,更能克服視訊影像資料量過大的問題。

而在影像分析上,往往會經過一系列的影像處理過程,諸如物件偵測、影像分割、特徵擷取、邊緣偵測、物件識別、物件定位及物件追蹤等。而物件偵測及影像分割技術是一項非常重要的影像分析的前處理程序,它關係著後續的物件追蹤、辨識與事件偵測等功能的效能與精確度。pixel-based的方法是主要的處理技術,不過,在處理速度上比較費時,因此,我們直接從壓縮域的資料做粗略的影像分析處理。

 下表將分述開發技術指標與國際技術水平及目前本研究發展之階段性成果。

開發技術指標

目前國際技術水準

本研究發展成果

研發H.264壓縮格式域百萬像素下之強健性物件偵測技術。

u  使用運動向量作移動物體軌跡偵測,但錯誤率與雜訊干擾較大。

u  結合運動向量和DCT作移動物體偵測。但DCT的真實係數不易求得。

u  百萬像素下物件偵測正確率>85%

u  移動物體可偵測最小面積︰8 pixels x 8 pixels

研發H.264壓縮格式域百萬像素下DCT係數計算與運動補償。

u  直接在H.264格式壓縮城區塊計算DCT係數。

u  但無法針對數量不等的區塊計算DCT係數。

u  消除前景破碎的情形,完整前景切割電腦運算時間小於0.05 sec/frame

研發H.264壓縮格式域百萬像素下之有效物件特徵擷取。

u  可透過DCT找出顏色、紋理及邊緣等些微特徵,但真實DCT係數不易求得。

u  將找出的物件解碼至pixel domain再做特徵擷取。但物件的數量越多時,相對花費越多解碼的計算量。

u  結合MVDCT分析,必須能考慮到移動中的物件特徵擷取。

u  物件特徵擷取必須在1 sec/GOP內完成。(GOP25 frames)

表一:壓縮域物件追蹤與分類系統計畫目前研究技術發展成果

主要的技術流程如下:

1.先針對沒有任何移動物件的畫面進行MB串流率的訓練,同一張畫面因畫面紋理複雜度不同,每個MB的串流率亦不同,我們先針對靜態畫面訓練出每個MB合理的串流率,爾後若有異常訊號介入,如移動物件、光影變化、雜訊…等,MB的串流率將因此有著顯著的增加,是以我們可以將其標示為前景MB,而其他MB則暫視為背景。

2.接著,我們根據H.264所提供的Partition Mode及MV資訊來估測整張畫面的Global motion,並藉由減去Global motion來得到物體真正移動的MV。在根據整張畫面中不同的Partition mode,分別給予每個MV不同的權重,以強調目標物所在區域。同時,為了移除攝影機判斷時所產生的畫面不連續,我們使用spatial-temporal 3D median-filter達成此效果。利用H.264/AVC提供由8´8到16´16不同大小方塊做運動向量預測模式以求出每一個macro-block之最小運動補償編碼失真,並應用區域紋理分析和邊緣偵測等方法,來求出最佳化之運動向量預測模式。另外,當移動物件靜止時,則物件可能消失,我們則利用時間與空間關係,進行前景與背景的內插與外插預測。

3.直接在壓縮域區塊計算DCT係數。但無法針對數量不等的區塊計算DCT係數,而且H.264/AVC的視訊壓縮是屬於block-based的方法,無法精確計算物件所在位置。因此本研究以DCT係數與運動補償技術,來完成高精確度物件分割。因此,針對運動補償技術最佳處理,我們在此引進了一套數學模式---MRF(Markov Random Field)來作為MV-based物件分割的最佳描述,透過有效率的數值方法,確保模型快速收斂,使得物件分割最佳化。

4.由於H.264/AVC的視訊壓縮是應用frame difference的技術發展而成,當偵測到物件後,於壓縮域中很困難還原真實之顏色資訊。同樣的於壓縮域中持續追蹤物件之軌跡,並解決遮蔽的問題是一具挑戰性的研究。於此研究當中,我們利用結合DCT與MV分析,完成快速而又有效的物件特徵擷取,以便在下一步的分類步驟中,能有最佳的物件分類效果。

結論:

我們計畫開發出H.264壓縮域下之強健物件偵測技術,涵蓋H.264壓縮域下之強健物件偵測技術、壓縮域下之DCT係數計算與運動補償、H.264壓縮域下之有效物件特徵擷取、H.264壓縮域下之強健物件分類器設計。目前,我們達到了即時分析百萬像素的預期目標,所以預期可以提升即時影像分析在於百萬像素網路攝影機的可能性、比較於低解析度影像處理的結果有更高人物的特徵細節,諸如長距離臉部分析,增加人潮中人物追蹤的準確度、細微動作的行為分析;再者,由於有更多的細部資訊,系統亦能降低警報誤判率等,以冀能達到一個安全、快速且強健的監控環境,並可同時廣泛帶動相關產業於各類影像加值應用,進而創造監控系統產業領域有更巨大的產值。

未來展望:百萬像素級監控系統設備技術應用想法

由於近年來監控系統設備技術漸行成熟,成本亦趨平民化,監控系統的安裝與使用愈趨普遍。然而,學校、社區、道路等公共區域的監控錄影設備可謂種類繁眾,以社區監控系統為例,其所涵蓋範圍可能包括電梯、中庭、大廳、走道…等公共區域,所記錄的畫面資料量相當龐大;然而,一旦有需求必須調閱並分析各攝影機錄影畫面內容時,目前仍端賴人工方式觀察以進行比對,此工曠日廢時,甚至往往有所疏漏,可想而知。

日前國內發生數起重大案件,諸如槍擊犯罪、濕地保育區遭逢人為破壞及校園角落霸凌事件,現場及周遭的監控系統雖能即時記錄下畫面,然而,透過事後的調閱、比對分析,現場的跡證往往已隨時間過去而毀壞消失,錯失了第一時間關鍵的線索。智慧型追蹤監控系統必須能夠整合多部攝影機時所錄製下的畫面,進行路徑的偵測與分析,對於不可見區域的移動物件軌跡,亦能以時間、空間關係所建立的預測模型去作關連性的連結,以達到區域性移動物件路徑的完整連結。

圖一:監控系統示意圖

                      

 

圖二:人物路徑連結示意圖

 

有關本學界科專計畫、電腦視覺監控產學研聯盟、以及電子報之背景與相互關連都已在電子報創刊號詳細說明。本期電子報由分項A子項2主編,在此,我們簡介此子項於學界科專98年度之研究計畫:

子項A2於本年度的研究重點在於使監控人員在一攝影機網路的監控環境下,更容易在不同場景之間追蹤與監控多個目標物,並提供可疑事件的歷史監控記錄與資料庫搜尋,使監控人員能更方便進行中控室操控。本年度的研究主題如下:

1.  停車場之人車連續追蹤:有別於之前的技術,在跨攝影機目標物追蹤上,僅使用時空特徵與外觀顏色特徵。在本年度的研究,我們預期以加入幾何特徵為研究方向,藉由目標物幾何特徵在行進過程中的一致性,並與之前已使用的特徵進行整合,以提高追蹤正確率。我們也預期發展人車的分辨模組,透過機器學習方法的設計與實作,進行物體的部件的分析與辨認,以便提高人車追蹤的效能。

2.  可疑人物之長程追蹤:設計一長程策略來分析可疑人物之行為,藉由結合系統所提供之長程蒐集可疑人物之資訊,來彌補短程偵測方法之不足,以提升單一攝影機可疑人物偵測之正確性。並且,將動態呈現目標物的可疑程度,以提升中控室使用者對場景中人物的即時掌握程度。

3.  可疑事件在中控室之視覺化顯示:開發一攝影機是否遭到遮蔽或明顯移動的偵測技術,例如:攝影機遭到轉向、遮蔽或是鏡頭遭塗抹異物以致無法取得正常之監控影像。並且,將發展一整合攝影機網路的視覺化顯示中控室系統,該系統藉由整合平順轉場技術與多重解析度顯示技術,以提升使用者於中控室的監控效率與操作方便性。

 

 

近年來全球安全監控產業呈現穩定成長趨勢,並由於數位時代的進展,安全監控產品技術層次也不斷提升,進而與其他產業整合,預期未來安全監控領域是安全產業中最具發展潛力的領域之一。此外,由於現代科技的進步,醫療技術與品質提升,使國民平均壽命逐年攀升。在新人口結構變化趨勢下,如何滿足老年人健康照護需求的問題不容小覷,相對而言,也造就了新的商機。根據工研院IEK推估,台灣高齡產業市場規模在2025年可望達到1089億美元。

展望未來產業趨勢,安全監控產業以及高齡產業市場規模將持續增加。因此,本中心將以前期所開發之100餘項相關核心技術,規劃二個系統整合方向 — (1)智慧型建築(smart building),結合資訊、通訊與視訊技術,整合創造科技與人文結合的智慧型大樓;(2)智慧型社區(smart community),結合鄰里以及警政單位,規劃全方位無死角社區或園區智慧型監控系統 期許透過系統整合,勾勒具視覺感知能力之安全環境架構,以建構全面智慧型環境,讓人們悠遊於舒適的環境之中,並協助國內廠商尋找智慧型監控環境之藍海策略,使台灣成為安控產業之明日之星 。

學界科專計畫已邁入第二期,本期研發重點,在技術策略方面,朝向「多層次多感測無縫隙系統」發展,結合視訊與感測器(sensor)成為一全方位監控安全系統。在技術落實方面,朝向下列三目標執行:

(1) 提升技術成熟度、可靠度及穩定度

(2) 以嵌入式系統具體化前期核心技術

(3) 整合前後期核心技術,以發展商品化之產品。

每一分項之主要工作項目概述如下,詳細內容後述之。

分項一:智慧型建築(Smart Building)

分項一的研發主軸為智慧型建築(smart building)的前瞻性技術研發,工作項目如下。

A1.日夜安全巡邏與訪客引導系統---室內空間智慧型巡邏與避碰利用自動車引導訪客、紅外線影像處理與自動車夜間導航、多自動車協同巡邏與異常偵測等。

A2.視訊監控中央管理系統---攝影機網路之目標物即時追蹤與預測、視訊資料庫搜尋、與資訊整合視覺化。

A3.室內突發事件分析系統---室內突發事件分析之技術開發主軸分隊針對人員及環境設計各項突發事件偵測技術,研發技術包括:人員異常行為分析、訪客異常行為偵測、環境突發事件偵測限制區域之監控、限制區域之監控。在技術策略方面,朝向結合視訊與感測器(sensor),發展成為一全方位監控安全系統。

分項二:智慧型社區(Smart Community)

以多層次多感測無縫隙的技術為發展目標,分項二的技術研發主軸定位在智慧型社區(smart community)安全的前瞻性技術研發,主要工作項目如下所列。

B1. 人車偵測與辨識系統---即時車型和車輛之偵測和辨識、車輛管制系統、PTZ攝影機人員偵測與辨識等。

B2. 強健性物件追蹤系統---全天候物件偵測與追蹤、即時物件追蹤技術、多感測器人員追蹤、多人長時間性人員追蹤。

B3. 事件分析與搜尋系統系統---自動化視訊搜尋、戶外異常事件分析、異質相機行動監看。

 

 

經濟部學界科技專案『以視覺為基礎之智慧型環境的建構四年計畫』所發起的「電腦視覺監控產學研聯盟」已於2005年初正式成立。為了加強產業界與學術界的互動與交流,聯盟自2005年一月起每兩個月定期發行一期電子報,提供國內產業界及聯盟會員最新的相關資訊。

本電子報目前所規劃的內容包括:

1.最新動態:公布並報導「電腦視覺監控產學研聯盟」或「影像等相關單位」舉辦的各項技術說明會、技術研討會、企業座談會等相關活動訊息。

2.技術報導:報導電腦視覺監控領域相關研究的現況,並簡介本學界科專計畫的最新研究成果及所獲得的各項專利等。

 

在本期的電子報當中,「最新動態」部分報導2009/9/21~24美國加州安那罕舉行的美國國際安全器材展,另外介紹10/1於福華國際文教會館舉辦的『技術研討暨技術成果移轉說明會』。此外,在「技術報導」方面,本期收集了兩篇文章,分別由台大網媒所施朝欽同學與賴治權同學介紹「攝影機功能異常自我診斷技術」及「視線追蹤」的技術。

 

 

「電腦視覺監控產學研聯盟」乃是由經濟部學界科專「以視覺為基礎之智慧型環境的建構四年計畫」所發起,由前亞洲大學校長蔡文祥(現交通大學講座教授)所主持,在背後支持此一聯盟的研發團隊幾乎囊括了國內電腦視覺研究領域之菁英教授,其研究人員遍佈台大、清大、交大、中央及中央研究院等第一流學術機構。每一位計畫主持人皆累積多年有關影像處理與圖形識別等研究的經驗,亦曾多次協助業界研發各項影像處理與圖形識別系統,輔導產業研發、創新之經驗豐富 。

本聯盟除發行電子報外,也提供聯盟成員包括人才招募、技術諮詢、企業資訊推廣等多項 服務(請點選並下載電子報左方目錄中的「會員招募簡章及報名表」,並參閱其中有關本聯盟之服務內容說明)。竭誠歡迎產業界相關企業加入聯盟,藉由大家共同的努力,提昇國內此一產業的技術水準。

為了方便會員的聯繫,我們於新竹特設一服務窗口:

新竹窗口

交通大學電腦視覺中心 蔡淑均 小姐

TEL:03-5731970    FAX:03-5131205

E-mail : rayis@mail.nctu.edu.tw