[發明專利]滯留物檢測中的靜止物體類型判斷與物主分析方法及系統有效
| 申請號: | 201310239290.0 | 申請日: | 2013-06-17 |
| 公開(公告)號: | CN103310454A | 公開(公告)日: | 2013-09-18 |
| 發明(設計)人: | 劉宏;趙紅梅 | 申請(專利權)人: | 北京大學深圳研究生院 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00 |
| 代理公司: | 北京君尚知識產權代理事務所(普通合伙) 11200 | 代理人: | 余長江 |
| 地址: | 518055 廣東省深*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 滯留 檢測 中的 靜止 物體 類型 判斷 物主 分析 方法 系統 | ||
1.一種滯留物檢測中的靜止物體類型判斷與物主分析方法,其步驟包括:
1)建立背景模型并檢測出每幀圖像前景物體,根據所述前景物體生成物體分類器;
2)將靜止的前景物體輸入到所述物體分類器根據分類器返回的置信值的平均值判斷得到靜止前景物體類型為物品或者人體;
3)對所述靜止前景類型為物品的物體進行物主分析,得到物品的攜帶者信息,判斷出物主。
2.如權利要求1所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于,所述物體分類器提取類Haar特征和HOG特征,并采用在線的Adaboost方法為每個前景物體建立分類器。
3.如權利要求1或2所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于,物體分類器的估計與更新方法如下:
首先,算法的初始化,物體分類器N表示當前分類器的個數,初始化為0,每增加一個新的分類器,N加1,每刪除一個分類器,N減1;
然后,當第一個前景物體p1被檢測出來的時候,建立一個新的物體分類器O1;
當又來一個前景物體pi時,該前景圖像將被送入已經建立好的物體分類器中中,對每個分類器進行估計。
4.如權利要求1-3任意一項所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于,所述分類器中若所述前景圖像是正樣本,且分類器得到的置信值介于0和0.5之間,則該樣本將用于該分類器的更新,若為負樣本,則不用于更新該分類器。
5.如權利要求1-3任意一項所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于,所述物體分類器設定一數目,若分類器長期無正樣本更新超過一定時間閾值時,則將進入等待狀態,等待狀態持續一定時間后,則刪除該分類器。
6.如權利要求1所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于,每個新的前景物體都要遍歷所有的分類器,靜止前景物體和所有分類器的整體相似程度:
其中,confn(x)表示第n個分類器對當前靜止前景物體的返回的置信值,當前共有N個分類器。
7.如權利要求1所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于,根據所述分類器返回的置信值的平均值判斷得到靜止前景物體類型為物品或者人體的方法如下:
8.如權利要求1所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于,所述當檢測到滯留物品后,通過如下的計算物品的攜帶者信息:
num=argmaxn≠lconfn(x),
其中,γ=maxnconfn(x),l=argmaxnconfn(x),confn(x)表示第n個分類器對當前靜止前景物體的返回的置信值,γ表示返回值中的最大值,l表示最大值γ所對應的分類器序號,num表示返回值第二大的分類器對應的序號即物品的攜帶者對應第num個分類器。
9.如權利要求8所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于,每當新建一個分類器時,記錄所述分類器的幀信息和矩形框信息,根據所述num個分類器獲取滯留物品攜帶者的圖片。
10.一種滯留物檢測中的靜止物體類型判斷與物主分析系統,包括:
用于建立背景模型并檢測出每幀圖像前景物體,根據所述前景物體生成物體分類器的裝置,和將幀圖像的幀信息和前景物體在圖像中的位置和大小信息記錄的裝置;
用于將靜止的前景物體輸入到所述物體分類器根據分類器返回的置信值的平均值判斷得到靜止前景物體類型為物品或者人體的裝置;
用于對所述靜止前景類型為物品的物體進行滯留物檢測,得到物品的攜帶者信息,判斷出物主的裝置。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京大學深圳研究生院,未經北京大學深圳研究生院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201310239290.0/1.html,轉載請聲明來源鉆瓜專利網。





