[发明专利]用于检测视频中的对象的方法、设备和系统

说明书

公开了用于进行视频内容分析以检测视频图像中感兴趣的人物或其他对象的方法、设备和系统。检测人物可以用于对人数进行计数、确定每个人的位置并且/或者对监测区域进行人群分析。

本案是分案申请，其母案为于2013年9月12日提交的题为“用于检测视频中的对象的方法、设备和系统”的申请号为201380047668.5的申请。

相关专利申请的交叉引用

本申请要求于2013年3月15日提交的美国申请第13/838,511号以及于2012年9月12日提交的美国临时专利申请第61/700,033号的优先权，以上两个申请的每一个的内容通过引用方式全文并入本文中。

技术领域

本公开涉及视频监控，例如，视频监控方法和系统以及视频查证方法和系统。公开了可以检测人物的视频监控系统、设备和方法。视频监控系统、设备和方法可以统计人数并且/或者监测视频流中的人群场景。

背景技术

智能视频监控(IVS)系统可以用于(例如，通过回顾此前记录并存储的视频)实时或离线检测视频中感兴趣的事件。通常，该任务通过检测并跟踪感兴趣的目标来完成。当场景不拥挤时，这通常很好地发挥作用。然而，这种系统的性能在拥挤场景中会显著降低。实际上，这种拥挤的场景频繁发生，因此，对能检测人群中的人物具有极大兴趣。这种检测人物可以用于统计以及其他人群分析，例如，人群密度、人群形成和人群分散。

此前的人群分析工作处理一些具体的极端拥挤的场景，例如某些体育运动或宗教活动。然而，还需要关注偶尔会形成大量人群的更普通的监控场景。这些场景包括公共场所，例如，街道、购物中心、机场、公共汽车站和火车站等。

最近，人群密度评估或统计人群中的人物的问题越来越得到研究社群以及行业的高度关注。现有的方法主要包括基于映射(间接)的方法和/或基于检测(直接)的方法。

基于映射的方法可以尝试将人物目标的数量映射到提取的图像特征，例如，运动像素的数量、前景斑点(foreground blob)的大小、前景边缘、前景角落的群以及其他图像特征。基于映射的方法通常要求针对不同类型的视频场景进行训练。研究主要集中在查找与人数良好对应的可靠特征以及如何处理一些特殊问题，例如，阴影和摄像机视图透视。在许多场景中，在提供足够训练视频的情况下，基于映射的方法可以提供相当精确的人数估计。然而，效果通常与场景有关系，并且每个个体的实际位置可能难以获得。

基于检测的方法可以通过识别每个单独的人物目标来对场景中的人数进行计数。研究已经集中在人物检测、人体部位检测以及检测与跟踪的结合考量。这些方法可以在稍微拥挤的场景中提供更加精确的检测和计数。如果使得每个个体的位置可以获得，那么就可能能够计算局部人群密度。这些方法的关键挑战是更高的计算成本、依赖视角的知识以及较大的人物图像大小要求。

本发明所述的实施例解决了现有系统的这样一些问题。

发明内容

所公开的实施例提供了用于对视频图像进行智能分析以检测对象(例如人物对象)的方法、设备和系统。

在某些实施例中，一种检测视频中的人物对象的方法包括：确定作为前景像素的视频图像的某些像素，前景像素的组构成一个或多个前景斑点的前景斑点集；对于视频图像中N个位置的每个位置，其中N是整数(integer)，将预定形状与前景斑点集进行比较以获得人物在该位置的相应概率，从而获得与N个位置对应的N个概率；并且使用N个概率，确定由前景斑点集代表的X个人物，其中X是整数(whole number)。

一种检测视频中的人物对象的方法可以包括：将真实世界场景的视频图像的像素确定为前景像素，前景像素的组构成一个或多个前景斑点的前景斑点集；对于视频图像中N个位置的每个位置，其中N是整数，将预定形状与前景斑点集进行比较以确定由所述前景斑点集代表的X个人物，其中X是整数。