[發(fā)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(tǒng)有效
| 申請?zhí)枺?/td> | 201310239290.0 | 申請日： | 2013-06-17 |
| 公開（公告）號： | CN103310454A | 公開（公告）日： | 2013-09-18 |
| 發(fā)明（設(shè)計）人： | 劉宏;趙紅梅 | 申請（專利權(quán)）人： | 北京大學(xué)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(chǎn)權(quán)代理事務(wù)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(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 滯留 檢測 中的 靜止 物體 類型 判斷 物主 分析 方法 系統(tǒng) | ||
技術(shù)領(lǐng)域
本發(fā)明屬于計算機視覺領(lǐng)域和智能視頻監(jiān)控領(lǐng)域，具體涉及一種基于在線學(xué)習(xí)的滯留物體類型分析方法。
背景技術(shù)
隨著社會經(jīng)濟的發(fā)展，社會安全問題成為了人們關(guān)注的焦點，傳統(tǒng)的視頻監(jiān)控方式無法滿足人們的需求，于是開始尋求智能的視頻監(jiān)控方式。滯留物檢測是智能視頻監(jiān)控領(lǐng)域重要的研究內(nèi)容之一，可以解決機場、車站、商場中的滯留物品事件。
目前的滯留物檢測算法大多只檢測靜止的物體，將之作為滯留物，而不區(qū)分該靜止物體是靜止的人還是靜止的物品。如果將人當(dāng)做是滯留物檢測出來，并產(chǎn)生報警，這是在實際生活中所不能理解的，會造成誤警率的提高。本發(fā)明主要是解決如何區(qū)分靜止的人和靜止的物品，并分析靜止物品的攜帶者信息。
目前滯留物檢測方法中，靜止物體類型判斷方法，主要是事先訓(xùn)練人體檢測器或者物品檢測器，用于區(qū)分人與物。區(qū)分靜止的人的方法可以分為兩類：訓(xùn)練物品檢測器、訓(xùn)練人體目標(biāo)檢測器。目前人體目標(biāo)檢測方法多是基于離線訓(xùn)練的，對于有遮擋的多人體檢測，仍是視覺領(lǐng)域的研究難點。退而求其次，考慮物體檢測器的訓(xùn)練，首先需要提取所有非人的物體的共性特征，如果受限于一定的物品范圍內(nèi)，還較好提取，但是應(yīng)用范圍確實有限，可擴展性也較差。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供了一種滯留物檢測中的靜止物體類型判斷與物主分析方法。該方法建立在一個假設(shè)條件下，假設(shè)場景中的運動物體都是人。基于此假設(shè)，我們?yōu)閳鼍爸袡z測到的前景物體在線建立物體分類器，每當(dāng)新的前景物體檢測出來，將送入物體分類器進(jìn)行分類器的分類與更新。而當(dāng)靜止物體檢測出來的時候，將該靜止物體送入已經(jīng)建立的物體分類器進(jìn)行分類，最后由這些分類器的綜合結(jié)果來判定該靜止物體是否是靜止的人，如果是靜止的人則放棄，否則，判定該靜止物體是滯留物，并且利用這些分類器找到攜帶者的信息。對于前景檢測和靜止物體檢測不屬于本發(fā)明的范疇，本發(fā)明主要是解決如何區(qū)分靜止的人和靜止的物品，并分析靜止物品的攜帶者信息。
為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案為：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(jù)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(jù)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(jìn)行物主分析，得到物品的攜帶者所對應(yīng)的分類器序號從而得到物主的圖片信息。
更進(jìn)一步，所述物體分類器提取的特征是類Haar特征（提取方法可參見P.Viola?and?M.Jones.“Robust?real-time?face?detection.International?Journal?of?Computer?Vision,Vol.57,No.2,pp.137-154,2004.）和HOG特征，采用在線的Adaboost方法為每個前景物體建立分類器。
更進(jìn)一步，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(dāng)前分類器的個數(shù)，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(dāng)?shù)谝粋€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(dāng)又來一個前景物體pi的時候，該前景圖像將被送入已經(jīng)建立好的物體分類器中對每個分類器進(jìn)行估計。
更進(jìn)一步，所述分類器中若所述前景圖像為正樣本，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(fù)樣本，則不用于更新該分類器，若所有分類器將該前景圖像判為負(fù)樣本，則為此前景圖像建立新的物體分類器。
更進(jìn)一步，若分類器長期無正樣本更新，則將進(jìn)入等待狀態(tài)，等待狀態(tài)持續(xù)一定時間后，則刪除該分類器。
更進(jìn)一步，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：
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京大學(xué)深圳研究生院，未經(jīng)北京大學(xué)深圳研究生院許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201310239290.0/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
