[发明专利]使用行人检测的改进的遗弃物体识别方法和系统

说明书

技术领域

本发明一般涉及电、电子和计算机领域，并且，具体地，涉及视频图像中的遗弃物体识别。

背景技术

存在对于用于公共安全和保安增强的自动视频监控（AVS）系统的增长的需求。尽管传统的视频监控方法需要持久的人为注意，但自动可视化分析执行对人、车辆和其它物体的实时监视，并在检测到可疑人或异常活动时生成警告。这样的自动分析通过减小所需的人类操作员的数目，而显著地增大了监视的效力，由此，这对于设立了超过成千的摄像头来监视城市尺度上的大面积的城市监控来说是重要的。

遗弃物体检测（AOD）技术检测可能被无意留在诸如机场的公共场所的包、箱或其它物体。已提出或建议了用于遗弃物体检测的一些技术。例如，参见Y.L.Tian等人的“Real-Time Detection of Abandoned and Removed Objects in Complex Environments,”IEEE Int’l Workshop on Visual Surveillance(2008)，通过引用将其合并于此。然而，照明变化、遮挡（occlusion）以及杂乱的背景仍是技术挑战。

AOD系统一般使用背景建模和减消（BGS）来检测场景中的静止物体。然而，一些非威胁物体经常被观察为保持静止（如在红灯处停止的汽车）或在短期内接近静止（在街道上静立的行人）。此外，如果不适当处理，则暂时静止的物体可能对背景减消产生严重不利的影响。通常，诸如高斯混合模型的传统BGS方法将逐步地把静止站立或坐着的人调整到背景中，并且，因此，基于BGS的AOD技术可能将静止的人与可疑物体混淆。

由此，为了使遗弃物体的错误检测最少，存在用于将物体分类为非威胁物体或可疑物体的改进技术的需要。存在采用行人检测技术来将遗弃物体与人区分的改进的遗弃物体检测器的需要。

发明内容

一般地，提供了用于使用行人检测的改进的遗弃物体识别的方法和装置。根据本发明的一个方面，通过以下步骤来在一个或多个图像中检测遗弃物体：确定图像的前景中的一个或多个检测到的物体是否包括潜在的遗弃物体；将训练过的行人检测器应用于潜在的遗弃物体，以确定潜在的遗弃物体是否包括行人的至少一部分；以及基于潜在的遗弃物体是否不是行人的至少一部分，将潜在的遗弃物体分类为遗弃物体。

在一个实施例中，训练过的行人检测器是使用肯定（positive）训练样本和/或否定（negative）训练样本训练的。肯定训练样本包括在一个或多个姿势中的人体的至少部分。否定训练样本包括遗弃物体的至少部分。

根据本发明的另一个方面，通过确定潜在的遗弃物体是否已被人放下（put down）和/或潜在的遗弃物体是否已被人留下（left），来在一个或多个图像中检测遗弃物体。如果潜在的遗弃物体被分类为遗弃物体，则可触发警告。

可选的，可执行附加的验证测试来确定：（i）潜在的遗弃物体的尺寸是否满足遗弃物体的预先确定的标准；（ii）潜在的遗弃物体是否满足预先确定的遗弃时间标准；和/或（iii）潜在的遗弃物体在图像中的遮挡是否超过了预先确定的阈值t。

通过参照下面详细的描述和附图，将获得本发明的更完整的理解、以及本发明的进一步的特征和优势。

附图说明

图1图示了本发明采用的用于训练行人检测器的示例技术；

图2是描述示例的传统遗弃物体检测处理的流程图；

图3是描述合并了本发明的方面的示例遗弃物体检测处理的流程图；以及

图4绘出了示例的遗弃物体检测器，其可被用在实现本发明的一个或多个方面和/或元素中。

具体实施方式

本发明提供了使用行人检测的改进的遗弃物体检测。本发明认识到：图像场景中的完全或部分静止的人是遗弃物体的错误检测的通常来源。由此，根据本发明的一个方面，在遗弃物体检测器中采用行人检测器，以改进遗弃物体的检测。如下面进一步讨论的，行人检测器将遗弃物体与人相区分。

训练

图1图示了用于训练本发明采用的行人检测器130的示例技术100。通常，通过对来自错误地找到（即，人体及其部分的否定训练示例）、以及准确地找到（即，各种真实的遗弃物体的肯定训练示例）遗弃物体的场景的图像使用标准机器学习算法，来训练行人检测器。由此，在一个示例实现中，使用人体及其部分、以及遗弃物体及其部分来训练行人检测器。