物体检测设备、物体检测方法和物体检测系统与流程

本发明涉及物体检测设备、物体检测方法和物体检测系统。

背景技术：

近年来，所谓“鸟击”成为问题，其中例如鸟的移动物体侵入建造机场、风力发电设施等的区域，且与在机场起飞或降落的飞行器、或与风力发电设施的风车冲撞。

因此，期望一种用于检测鸟对这样的区域的入侵的检测设备。

作为用于检测鸟的设备，已知有用于以分钟时间间隔对飞行物体成像、从亮度模式分布分析飞行物体的飞行模式、为飞行模式建立数据库和检测该飞行物体是否是鸟的设备(专利文件1)。

另外，也已知有用于基于飞行物体和相机之间的距离和方位角数据，计算飞行物体的3D坐标，且从飞行轨道检测鸟的设备(专利文件2)。

进一步，已知有用于在相同图像中对飞行物体和固定物体成像、因此获取飞行物体的高度的设备(专利文件3)。

更进一步，已知有用于基于飞行物体的速度，判定飞行物体是否是鸟的设备(专利文件4)。

现有技术文件

专利文件

专利文件1：WO-A-2009/102001

专利文件2：JP-A-2011-95112

专利文件3：JP-A-2010-223752

专利文件4：JP-A-2010-193768

技术实现要素：

本发明待解决的问题

在此情况下，关于减少鸟击对飞行器和风车造成的损害，维持上述区域的外围以使这些区域成为驱除鸟的环境，由此减少鸟本身出现的频率，导致显著成就且因此很重要。另一方面，驱除鸟的环境高度依赖于鸟种类，且因此判别在区域外围的鸟的种类很重要。

然而，尽管在专利文件1至4中公开的设备可以判定飞行物体是否是鸟，但对于这些设备很难精确地判别鸟的种类。

考虑上述问题做出本发明，且因此本发明具有提供能够精确判别移动物体的种类的物体检测设备的目标。

解决问题的手段

为了解决前述问题，作为本发明的第一方面，提供了物体检测设备，包括：一次判定单元(primary determination unit)，所述一次判定单元用于从通过对移动物体成像而获取的图像，判定所述移动物体是否是特定检测对象；以及物体检测判定单元，所述物体检测判定单元用于基于被一次判定单元判定为特定检测对象的移动物体的轮廓和作为针对所述特定检测对象的每个种类准备的轮廓的轮廓形状信息，从所述特定检测对象的所述种类中推定所述移动物体的种类。

作为本发明的第二方面，提供一种程序，所述程序用于致使计算机作为物体检测设备操作，所述物体检测设备包括：一次判定单元，所述一次判定单元用于从通过对动物体成像而获取的图像，判定所述移动物体是否是特定检测对象；以及物体检测判定单元，所述物体检测判定单元用于基于被所述一次判定单元判定为所述特定检测对象的所述移动物体的轮廓和作为针对所述特定检测对象的每个种类准备的轮廓的轮廓形状信息，从所述特定检测对象的所述种类中推定所述移动物体的种类。

作为本发明的第三方面，一种物体检测方法，包括：(a)对移动物体成像，以获取图像；(b)从所述图像，一次判定所述移动物体是否是特定检测对象，以及(c)基于被所述一次判定判定为所述特定检测对象的所述移动物体的轮廓和作为针对所述特定检测对象的每个种类准备的轮廓的轮廓形状信息，从所述特定检测对象的所述种类中推定所述移动物体的种类。

作为本发明的第四方面，提供一种物体检测系统，包括：图像采集设备，图像采集设备用于对移动物体成像以获取图像；一次判定单元，一次判定单元用于从所述图像来判定所述移动物体是否是特定检测对象；以及物体检测判定单元，物体检测判定单元用于基于被所述一次判定单元判定为所述特定检测对象的所述移动物体的轮廓和作为针对所述特定检测对象的每个种类准备的轮廓的轮廓形状信息，从所述特定检测对象的所述种类中推定所述移动物体的种类。

发明效果

根据本发明，能够提供能够精确地判别移动物体的种类的物体检测设备。

附图说明

图1是用于图示根据本发明的实施例的物体检测系统1的概述的框图。

图2是用于图示图1的物体检测设备5的框图。

图3是用于图示物体检测系统1的细节的框图。

图4是用于图示使用物体检测系统1检测鸟和推定鸟种类/飞行姿态的方法的流程图。

图5是用于详细图示图4的步骤S11和S12的流程图。

图6是用于图示将鸟的外形信息维度从两个维度缩减到一个维度的方法的图。

图7是用于图示将鸟的外形信息维度从两个维度缩减到一个维度的所述方法的图。

具体实施方式

现在，参考附图详细描述本发明的优选实施例。

首先，参考图1和图2描述根据本实施例的包括物体检测设备5的物体检测设备1的配置。

在下文中，用于从图像推定鸟种类的鸟击预防设备被描述为物体检测系统1(物体检测设备5)的示例。

如在图1和图2中所图示的，物体检测系统1包括用于对移动物体成像以获取图像的图像采集设备3。物体检测系统1也包括物体检测设备5，物体检测设备5包括物体检测判定单元7。物体检测判定单元7包括鸟候选判定单元17和鸟种类/姿态推定单元19，鸟候选判定单元17充当一次判定单元的作用，一次判定单元用于从通过对移动物体成像而获取的图像，判定移动物体是否是特定检测对象(在这里是鸟)，鸟种类/姿态推定单元19用于基于被鸟候选判定单元17判定为鸟的移动物体的轮廓和存储轮廓形状信息的线框模型库(下文中被称为WFM库9)，从特定检测对象的种类中推定移动物体的种类(在这里是鸟种类)，所述轮廓形状信息是针对特定检测对象的每个种类(在这里是鸟种类)准备的轮廓。

在这样的情况下，图像采集设备3是单个监视相机。监控相机被安装在固定基座上，且被配置为通过在恒定方位角执行固定点监视或通过执行四处转动监视或通过转动在一定范围内采集图像。进一步，图像采集设备3将采集的图像以有线或无线的方式发送到物体检测设备5。

根据本实施例，物体检测设备5被用在鸟击预防设备中，且因此图像采集设备3被安装在机场的跑道末端或风力发电站的设施中。

另外，根据本实施例，鸟作为特定检测对象被检测，但鸟和犬的种类以及飞机和直升机的种类也被示例为特定检测对象。

进一步，根据本实施例，鸟种类被推定为从特定检测对象的种类中的种类。如此处使用的，当特定检测对象是鸟时，从特定检测对象的种类中的种类指的是例如乌鸦或鸽子的种类。

物体检测设备5被配置成从通过图像采集设备3采集的图像提取移动物体的外形(在这里是轮廓)，并且从提取的轮廓推定鸟的种类。进一步，如随后描述的，根据本实施例，物体检测设备5附加地具有推定鸟姿态的功能、从鸟的种类和姿态推定飞行路径的功能、从飞行路径以及鸟的种类和姿态最终判定所述移动物体是否是鸟的功能以及当存在鸟击的可能性时生成警报的功能。

使用例如个人计算机的电子计算机作为物体检测设备5，但物体检测设备5并不被具体地限制到特定设备，只要物体检测设备5是具有执行随后描述的过程的功能的设备。

参考图3，给出对物体检测系统1的配置的详细描述，具体地，对物体检测设备5的配置的详细描述。

如图3中所图示的，物体检测设备5包括用于输入被图像采集设备3采集的图像的数据的图像数据输入处理单元13、用于从所述图像提取移动物体的轮廓线以生成移动物体信息6的鸟候选图像提取单元15、用于基于被鸟候选图像提取单元15提取的移动物体信息6推定鸟的缺失/存在、种类和姿态的物体检测判定单元7、用于当基于物体检测判定单元7的检测结果鸟可能侵入优先监视区域时生成警报的警报通知单元25以及用于存储用于操作物体检测设备5的操作程序22的存储单元2，以及将随后描述的各种种类的信息和库。

物体检测判定单元7包括鸟候选判定单元17、鸟种类/姿态推定单元19、飞行路径推定单元21和鸟检测最终判定单元23，鸟候选判定单元17用于从移动物体信息6关于移动物体是否是鸟执行一次判定，鸟种类/姿态推定单元19用于从移动物体信息6推定鸟的种类和姿态，飞行路径推定单元21用于推定每个鸟候选(移动物体)的飞行路径，鸟检测最终判定单元23用于最终判定每个鸟候选(移动物体)是否被识别为鸟。

更详细地，图像数据输入处理单元13被配置为接受从图像采集设备3发送的采集图像，且始终以先进先出的方式在内部暂时记录存储器中记录对应于三个帧的图像数据。暂时存储在图像数据输入处理单元13中的图像的被滚动快门现象和相机平台的操作错误导致的图像干扰被修正，且所述图像随后被顺序地输出到鸟候选图像提取单元15。

鸟候选图像提取单元15被配置为从关于三个连续帧的图像的差分信息中提取移动物体的轮廓线。另外，作为移动物体的成像时间和相对于相机的相关方位角、整个物体在图像上的坐标的亮度信息以及方向性梯度直方图(HOG)特征量的组合的信息，作为移动物体信息6被存储在存储单元2中。

鸟候选判定单元17被配置为基于移动物体信息6的HOG特征量，参考存储单元2的鸟判别库24，由此关于移动物体是否是鸟使用二元判别器做出判定(一次判定)，二元判别器基于支持向量机(SVM)、中性网络等的原理。

鸟判别库24是用于为二元判别器生成判别标准的数据库。当采用SVM时，鸟判别库24由关于鸟的图像信息和关于作为比较对象的除鸟之外的物体的图像信息构成。

鸟种类/姿态推定单元19被配置为连续地将从在存储单元2中提供的WFM库9中选择的关于鸟的轮廓信息和移动物体信息6互相比较，由此提取相似度最高的鸟的种类和姿态(二次判定：secondary determination)。另外，鸟种类/姿态推定单元19被配置为将通过向移动物体信息6添加针对所述鸟的推定的鸟种类、姿态和在地图上距离图像采集设备的距离或位置信息获取的信息作为鸟候选信息10存储在存储单元2中。

WFM库9针对每种在优先监视区域的周边观察的鸟种类，拥有关于模拟为线框模型的标准体型和翅膀拍打的信息。另外，WFM库9针对每个鸟拥有在关于三轴的旋转角度和翅膀拍打角度每个都以一定比率改变的情况下的平面投影轮廓形状信息。

根据本实施例，线框模型被用于以这种方式生成平面投影轮廓形状信息。这是由于下述原因。

(1)为了从预先准备的鸟图像中生成平面投影轮廓形状信息，需要至少上千的图像信息示例。

(2)当模拟标准体型和翅膀拍打的所述信息(也即，参考模型)作为线框模型被生成时，针对每个鸟种类的模型可以被相对容易地从测量骨骼标本的结果以及对应的鸟种类的特征姿态和部分形状的图像中获取。另外，与平面投影轮廓形状信息从预先准备的鸟图像中生成的情况相比，在姿态改变之后的关于三轴的轮廓可以在短时段内被生成。

飞行路径推定单元21被配置为从鸟候选信息10推定单个鸟的飞行路径，且连续地将飞行路径在存储单元2中存储为飞行路径追踪信息18。

鸟检测最终判定单元23被配置为将飞行路径追踪信息18和在存储单元2的鸟种类特征库14中记录的每个鸟的特征信息互相比较，由此最终判定每个鸟候选是否应被识别为所述鸟。

鸟种类特征库14是用于当标准身体长度、质量、飞行速度、翅膀拍打频率、和嘴部以及时间区间被考虑为评判标准(criteria)时，为在设施的周边观察到的每个鸟种类记录出现先验概率的库。

警报通知单元25被配置为基于飞行路径追踪信息18，针对每个鸟候选(移动物体)，评估所述鸟侵入被存储在存储单元2中的优先监视区域信息16指定的设施区域中的危险，且当存在高于特定水平的危险时，也即鸟击可能发生时，生成警报。

优先监视区域信息16是定义鸟侵入设施需要被监视的区域的信息，和关于例如机场或风力发电设施存在的区域的信息。

在图3中，移动物体信息6、鸟判别库24、WFM库9、鸟候选信息10、飞行路径追踪信息18、鸟种类特征库14、优先监视区域信息16和操作程序22被存储在存储单元2中，存储单元2被设置在物体检测设备5中，但存储单元2可以被外部存储设备或经由网络例如万维网(WWW)连接的外部信息替代。

随后，参考图4至图6描述物体检测系统1的操作，在此处的情况下是用于预防鸟击的操作。

首先，启动物体检测设备5的操作程序22。

随后，图像采集设备3以恒定方位角执行固定点监视，或通过转动在一定范围内或四处转动监视，由此在被优先监视区域信息16定义的优先监视区域或其周边采集图像。监视设备3连续地将采集的图像，例如每秒60帧地，发送到物体检测设备5的图像数据输入处理单元13，且图像数据输入处理单元13接收图像(图4的S1)。当优先监视区域是机场时，图像采集设备3在包括跑道的方向的每个方向上获取图像，由此采集机场和机场周边的图像。

图像数据输入处理单元13修正接收的图像的滚动快门现象和相机平台的操作错误导致的图像干扰，且随后顺序地将修正的图像输出到鸟候选图像提取单元15。

鸟候选图像提取单元15将从接收的图像中连续地或在时间序列中具有恒定间隔地提取的三个图像(分别被称为帧n-1、n和n+1)关于亮度二元化，并且然后分别生成差分图像m＝n-(n-1)和m+1＝(n+1)-n。进一步，通过生成m和m+1的AND图像D＝m*(m+1)，从三个原始图像中提取移动物体也即鸟候选。在D上提取的移动物体在D上的重心位置、形状和尺寸相对于预先设定的参考值被归一化，且计算HOG特征量。随后，通过向HOG特征量添加成像时间和图像采集设备在成像时间的光学轴方位角，生成“移动物体信息6”，且移动物体信息6被存储在存储单元2中(图4的S2)。

鸟候选判定单元17通过基于移动物体信息6的HOG特征量，使用从鸟判别库24的数据库生成的阈值作为参考，向每条移动物体信息6应用二元判别，由此关于鸟候选(移动物体)是否是鸟执行一次判定(图4的S3)。

当通过一次判定，移动物体被判定为除鸟之外的物体时，关于该移动物体的移动物体信息6被删除，且操作返回到步骤S1(图4的S4)。

针对被一次判定判定为鸟的移动物体，鸟候选图像提取单元15执行将移动物体信息6的形状信息增加或减小到预先设定的尺寸，例如100×100px的归一化，由此提取轮廓信息(图4的S5)。

随后，鸟种类/姿态推定单元19通过存储在存储单元2中的WFM库9中的线框模型，从投影在二维平面上的鸟的轮廓图像中选择一个样本图像(图4的S6)。

样本图像是通过将鸟种类、三轴姿态和翅膀拍打角度作为参数，各自改变大约10°至20°角度而获取的图像。针对十种种类的鸟来准备样本数据，同时三轴和翅膀拍打角度以10°的增量改变。

随后，鸟种类/姿态推定单元19从选择的样本图像和归一化的鸟候选图像轮廓计算互相关，且判定该结果是否超过为每个鸟种类设定的阈值(图4的S7)。

当该结果超过阈值时，在此状态下结束比较，且鸟候选(移动物体)的鸟种类、姿态和翅膀拍打角度被推定为该样本图像的值。换言之，移动物体被推定为对应的鸟种类。当该结果小于该阈值时，选择新的样本，重复相同的比较。在这种情况下，鸟种类/姿态推定单元19判定是否达到预先判定的最大尝试次数(图4的S8)。当在最大尝试次数后没有发现相关等于或超过阈值，则比较结束，且移动物体被推定为所有尝试中呈现最大相关的样本。

以这种方式，物体检测系统1被配置为分析鸟的轮廓以推定鸟的种类，且因此与使用例如飞行模式、飞行轨迹、飞行高度和飞行速度的参数的现有技术分析相比，能够更精确地推定鸟的种类，现有技术分析很难用来直接推定鸟种类。

换言之，物体检测系统1被配置为能够基于单个量度来定义鸟种类的判别，单个量度与把鸟种类、姿态和翅膀拍打角度作为参数的二维轮廓形状样本一致，因此统一地定义与鸟种类的判别有关的可能性，且能够比现有技术设备更精确地判别种类。

附带地，上述过程是五维的搜索问题，五维是鸟种类、三轴姿态和翅膀拍打角度，并且WFM库9在样本图像的选取中呈现所谓“沙暴”分布("sandstorm"distribution)，且因此处处不可差分，且不能通过Newton-Raphson方法等预测下一个候选。因此，通常需要穷尽搜索来获取最优解。然而，如前述，要被比较的样本数量达到大约8百万，且执行穷尽搜索需要很长时间。

因此，根据本实施例，鸟种类/姿态推定单元19使用与图像采集设备3和鸟的生态学有关的一般特征作为先验信息，且以与鸟候选图像的相关概率的降序次序，将样本与鸟候选图像比较，由此尝试在相对少量的计算迭代之后发现最优样本。

根据本实施例，采用以下四项作为先验信息。

先验信息(1)：鸟在俯仰方向上通常不以大角度(超过大约±20°)飞行。

先验信息(2)：鸟的身体形状左右对称，且除翅膀拍打外改变外形的因素数量少。

先验信息(3)：取决于季节和时间，检测到的鸟种类有限。

先验信息(4)：图像采集设备3的视场角通常最大为大约±20°。

当采用上述四条先验信息时，针对鸟候选(移动物体)的姿态，可以以相对高概率假定以下项：

(i)鸟显然以接近于0°的俯仰角和0°的翻滚角的姿态飞行。

(ii)当竖直方向上的中值接近重心值时，翅膀拍打角度约为90°。

(iii)被检查的鸟种类可以取决于季节和时间设定优先级。

基于假定(i)至(iii)，以下述顺序执行样本搜索。

S101：鸟种类/姿态推定单元19将五种参数种类的初始值设定为(鸟种类＝对该季节/时间具有最高出现先验概率的种类，3个轴每个＝0°，且翅膀拍打角度＝90°)，且将鸟候选(移动物体)的轮廓与初始值比较。

S102：鸟种类/姿态推定单元19在选择样本时顺序地改变相应参数中的一个参数。在本配置示例中，翅膀拍打角度从步骤S101中的样本改变20°的样本被用作用于与鸟候选(移动物体)比较的第二样本。在所有翅膀拍打角度的改变被确认之后，使用在偏航轴(yaw axis)、翻滚轴(roll axis)和俯仰轴(pitch axis)上顺序改变角度的样本。随后，步骤S102和S103顺序地以鸟种类出现频率的降序次序重复。

附带地，如图6图示，互相关的比较处理鸟候选图像和样本图像的二维形状，且因此导致相对大的计算量。因此，为实现设备的实时执行和缩减设备花费，对本计算的简化和速度提高非常重要。

图6的二元化图像的互相关C可以被方程(1)作为示例表示，其中表示鸟候选或样本图像的二维形状的函数由指示，且的平均值由ξ指示。

C＝(∫(φ1-ζ1)·(φ2-ζ2)dA)/(∫(φ1-ζ1)²dA·∫(φ2-ζ2)²dA)^1/2…(1)

另一方面，根据本实施例，函数表示二维形状，且ξ被转换为把从参考点到轮廓线上的距离s作为参数的向量Φ和Ξ，且鸟候选(移动物体)和样本之间的互相关被改变为C，以便被处理为向量的互相关V，互相关V被作为示例的方程(3)表示，由此，如图7所示，将关于鸟的外形信息的维度数量从二减少到一，以减少计算量。

φ＝{x(s)、y(s)}、Ξ＝{ε{x(s)}、ε{y(s)}}…(2)

V＝(∫(φ1-Ξ1)·(φ2-Ξ2)ds)/(∫(φ1-Ξ1)²ds·∫|φ2-Ξ2|²ds)^1/2…(3)

鸟种类/姿态推定单元19通过使用互相关V的评估，针对推定了如下信息的鸟候选(移动物体)，向移动物体信息6添加鸟种类、三轴姿态和翅膀拍打角度，由此生成“鸟候选信息10”，且将鸟候选信息10存储在存储单元2中(图4的S9)。

随后，飞行路径推定单元21通过下述流程推定鸟候选(移动物体)的飞行路径，且新生成或更新飞行路径追踪信息18(图4的S10)。

首先，飞行路径推定单元21从被鸟种类/姿态推定单元19推定的鸟种类，推定鸟的实际体长。随后，基于姿态推定值计算图像中鸟候选的体长，且也基于体长推定值、图像尺寸和图像采集设备3的焦距长度，通过简单比例，计算从图像采集设备3到该鸟的距离。图像采集设备3的安装位置和成像时的定向方位角已知，且因此基于安装位置和定向方位角，计算在地图上的鸟位置。

随后，飞行路径推定单元21将计算的鸟候选(移动物体)的种类和在地图上的位置与在当前时间点前的飞行路径追踪信息18相比较，

由此将鸟候选信息10与飞行路径追踪信息18相关联。当可以与飞行路径追踪信息18相关联的信息不存在时，新添加信息。

随后，作为最终判定，鸟检测最终判定单元23将飞行路径追踪信息18与在鸟种类特征库14中记录的鸟种类独有的生态学特征相比较(图4的S11)，且排除作为鸟显然存在问题的鸟候选(移动物体)(图4的S12)。

特别地，鸟检测最终判定单元23确认移动物体的姿态和飞行方向之间的一致性(图5的S21)。

换言之，鸟检测最终判定单元23确认被一次判定为鸟的移动物体是否正朝向通常是不可能方向的方向飞行，例如后部方向或背部方向。

随后，鸟检测最终判定单元23确认被一次判定为鸟的移动物体是否呈现偏离该鸟种类独有的飞行速度和翅膀拍打频率的范围的运动(图5的S22)。

鸟检测最终判定单元23基于这些确认和来自在时间序列中通过观察每个鸟的姿态和翅膀拍打而获取的信息，最终判定移动物体是否是鸟(图5的S23)。

当作为最终判定的结果，移动物体被判定为鸟时，关于该移动物体的飞行路径追踪信息18被添加或更新(图5的S24)。当移动物体被判定为不是鸟时，关于该移动物体的飞行路径追踪信息18被删除(图5的S25和图4的S12)。

以这种方式，在物体检测系统1中，鸟检测最终判定单元23被配置为不仅基于形状信息而且基于每个鸟种类的特征，例如飞行姿态、飞行速度和翅膀拍打频率，判别移动物体是否是鸟。

因此，移动物体是否是鸟可以被更精确地判别。

最后，警报通知单元25将飞行路径追踪信息18和优先监视区域信息16彼此比较，由此判定该鸟是否可能侵入优先监视区域。当鸟被判定为可能侵入该区域时，警报通知单元25向负责监视该优先监视区域的监视器的系统或人发出警报(图4的S13)。

什么具体作为警报被发出并不被特别地限制，只要警报允许负责监视的系统或人被提醒以识别警报，且其示例包括向负责监视的系统或人发送警报信息，以及发出物理声音、光等。另外，鸟的飞行轨迹可以代替警报一直在显示器等上显示。

已经给出对物体检测系统1的操作的描述。

根据本实施例，物体检测系统1包括用于对移动物体成像以获取图像的图像采集设备3和包括物体检测判定单元7的物体检测设备5。物体检测判定单元7包括鸟候选判定单元17和鸟种类/姿态推定单元19，鸟候选判定单元17用于从通过对所述移动物体成像获取的图像判定所述移动物体是否是鸟，鸟种类/姿态推定单元19用于基于被鸟候选判定单元17判定为鸟的移动物体的轮廓以及存储轮廓形状信息的WFM库9来推定移动物体的鸟种类，该轮廓形状信息是针对每个鸟种类而准备的轮廓。

因此，物体检测系统1能够精确地判定移动物体的种类。

工业实用性

在上文中，以实施例和示例的方式描述本发明，但实施例和示例仅用于通过给出示例来描述本发明，而非旨在限制本发明的范围。应理解本领域技术人员能够基于上述描述做出不同的修改示例和改进示例，且这些修改示例和改进示例被包括在本发明的范围内。

作为示例，在上述实施例中，情况被描述为本发明被应用到位于机场或风力发电设施(风车)的鸟击预防设备，但本发明绝不被限制到这样的情况。本发明可以适用于任何被要求监视鸟的飞行和到来的设备，例如，用于防止农场被鸟或动物导致的摄食损害的设备。

另外，根据本实施例，从移动物体的外形中推定鸟种类，但本实施例的本申请主题不被限制于推定鸟种类，且检测对象可以是除鸟之外的任何动物，例如人类或哺乳动物，或被用户设定的任意物体，只要移动物体的种类可以从外形被识别。

进一步，根据本实施例，物体检测系统1包括一个图像采集设备3和一个物体检测设备5，但图像采集设备3的数量和物体检测设备5的数量并不被限制为一个，且多个这些设备中的每个可以被同时连接。在这种情况下，相应的图像采集设备3的输出图像信息被并行输出到所有的物体检测设备5，且物体检测设备5能够选择一个图像采集设备3，其输入将通过用户操作被处理。

物体检测设备5的每个单元可以使用硬件和软件的组合被实现。在硬件和软件组合使用的模式下，用于致使计算机作为物体检测设备5而操作的程序被部署在RAM上，且例如控制单元(CPU)的硬件构件基于该程序被操作，以由此致使相应的单元作为各种种类的构件操作。进一步，该程序可以被记录在待分销的记录介质上。在记录介质上记录的程序以无线或有线的方式、或经由记录介质本身而被读入存储器中，以致使控制单元等操作。这些记录介质的示例包括光盘、磁盘、半导体存储器设备和硬盘。

附图标记列表

1 物体检测系统

2 存储单元

3 图像采集设备

5 物体检测设备

6 移动物体信息

7 物体检测判定单元

9 WFM库

10 鸟候选信息

13 图像数据输入处理单元

14 鸟种类特征库

15 鸟候选图像提取单元

16 优先监视区域信息

17 鸟候选判定单元

18 飞行路径追踪信息

19 鸟种类/姿态推定单元

21 飞行路径推定单元

22 操作程序

23 鸟检测最终判定单元

24 鸟判别库

25 警报通知单元

本申请要求2014年5月7日提交的日本专利申请号2014-095815的优先权，其全部内容通过引用并入于此。