用于提高视频中的对象检测性能的系统和方法技术方案

一种用于训练特殊对象检测器辨别出现在用于目标域的帧序列中的前景对象的方法和系统。该帧序列描述不均匀背景中的前景对象的运动。在该序列的初始帧的高置信度子窗口中检测前景对象，其包括计算高置信度子窗口包括前景对象的置信度量并确定该置信度量超过指定置信度阈值。在出现在初始帧之后的后续帧的各正子窗口中跟踪前景对象。后续帧在指定短时间段内。使用正子窗口来训练特殊对象检测器检测目标域中的前景对象。正子窗口包括初始帧的子窗口和后续帧的各子窗口。

【技术实现步骤摘要】
用于提高视频中的对象检测性能的系统和方法
本专利技术一般地涉及视频中的对象检测且更具体地涉及提高视频中的对象检测的性能。
技术介绍
对象检测在智能视频监控系统中起到基础作用。作为前提条件，在大视频数据库中或在实时视频流中自动地搜索感兴趣的对象的能力常常涉及到视频帧中的对象的检测和局部化。传统监控系统通常应用背景建模技术[(C.Stauffer和W.Grimson,Adaptivebackgroundmixturemodelsforreal-timetracking,CVPR,1998,1)；(Y.Tian,M.Lu和A.Hampapur,Robustandefficientforegroundanalysisforreal-timevideosurveillance,CVPR,2005,1)]，用于检测场景中的移动对象，其在低活动性情形中是高效的且相当好地工作。然而，传统监控系统在其处理典型市区条件(诸如拥挤场景)和环境变化(像雨、雪、反射以及阴影)的能力方面是有限的。在拥挤场景中，多个对象被频繁地合并成单个运动斑点，从而损害较高水平的任务，诸如对象分类和属性的提取。基于外观的对象检本文档来自技高网...

【技术保护点】
一种用于训练特殊对象检测器以辨别出现在用于目标域的帧序列中的前景对象的方法，该帧序列描述了不均匀背景中的前景对象的运动，在序列中的最后一个帧之前的序列中的每个帧对应于比序列中的紧接着下一个帧所对应的时间更早的时间，该方法包括：计算机系统的一个或多个处理器检测序列的初始帧的高置信度子窗口中的前景对象，其中，检测前景对象包括计算高置信度子窗口包括前景对象的置信度量，并确定置信度量超过指定置信度阈值；所述一个或多个处理器跟踪在帧序列中的初始帧之后出现的多个后续帧的各正子窗口中的前景对象，其中，该后续帧在指定短时间段内；以及所述一个或多个处理器向学习引擎馈送正子窗口，以便在训练特殊对象检测器检测目标域...

【技术特征摘要】
2013.01.02 US 13/732,4711.一种用于训练特殊对象检测器以辨别出现在用于目标域的帧序列中的前景对象的方法，该帧序列描述了不均匀背景中的前景对象的运动，在序列中的最后一个帧之前的序列中的每个帧对应于比序列中的紧接着下一个帧所对应的时间更早的时间，该方法包括：计算机系统的一个或多个处理器检测序列的初始帧的高置信度子窗口中的前景对象，其中，检测前景对象包括计算高置信度子窗口包括前景对象的置信度量，并确定置信度量超过指定置信度阈值；所述一个或多个处理器跟踪在帧序列中的初始帧之后出现的多个后续帧的各正子窗口中的前景对象，其中，该后续帧在指定短时间段内；以及所述一个或多个处理器向学习引擎馈送正子窗口，以便在训练特殊对象检测器检测目标域中的前景对象时使用，其中，所述正子窗口包括初始帧的子窗口和所述多个后续帧的各子窗口。2.如权利要求1所述的方法，其中，该方法还包括：所述一个或多个处理器随机地选择初始帧中的多个负子窗口，其中，所述多个负子窗口中的每个负子窗口具有超过高置信度子窗口的总面积的总面积，其中，所述多个负子窗口中的每个负子窗口位于小于距高置信度子窗口的指定距离阈值处，并且其中，所述多个负子窗口中的每个负子窗口不包括前景对象；所述一个或多个处理器将所述多个负子窗口中的每个负子窗口重新确定尺寸，以变得与高置信度子窗口一致；以及所述一个或多个处理器向学习引擎馈送所述多个负子窗口以便连同正子窗口一起在训练特殊对象检测器检测目标域中的前景对象时使用。3.如权利要求1所述的方法，其中，该方法还包括：所述一个或多个处理器随机地选择关于目标域的一组窗口；所述一个或多个处理器随机地选择该组窗口中的每个窗口中的负子窗口，其中，该组窗口中的每个窗口中的负子窗口具有不同于高置信度子窗口的纵横比的纵横比，并且其中，该组窗口中的每个窗口中的负子窗口不包括前景对象；所述一个或多个处理器将该组窗口中的每个窗口中的每个子窗口重新确定尺寸，以变得与高置信度子窗口一致；以及所述一个或多个处理器向学习引擎馈送该组窗口中的每个窗口中的负子窗口，以便连同正子窗口一起在训练特殊对象检测器检测目标域中的前景对象时使用。4.如权利要求1所述的方法，其中，计算置信度量包括；相对于初始帧中的高置信度子窗口选择多个相邻子窗口，其中，每个相邻子窗口部分地而不是完全地与高置信度子窗口重叠，并且其中，相邻子窗口相互不同；计算用于高置信度子窗口和用于每个相邻子窗口的置信度分数，其中，将置信度分数级分类器分别用于高置信度子窗口中和每个相邻子窗口中的前景对象；以及从用于高置信度子窗口和每个相邻子窗口的置信度分数的比较分析来计算置信度量。5.如权利要求4所述的方法，其中，确定所述置信度量超过指定置信度阈值包括最初确定置信度量不超过指定置信度阈值，随后迭代地执行选择多个相邻子窗口，计算置信度分数以及计算置信度量，其中，所述多个相邻子窗口中的相邻子窗口的总数在每次迭代中增加，直至确定置信度量超过指定置信度阈值。6.如权利要求4所述的方法，其中，从比较分析来计算置信度量包括：从由用于高置信度子窗口的置信度分数和用于每个相邻子窗口的置信度分数的联合形成的集合中选择K个最高置信度分数，其中，K在1至M+1范围内，并且其中，M表示相对于高置信度子窗口的相邻子窗口的总数；选择K个置信度分数的最小置信度分数；将最小置信度分数归一化至在指定范围内，其中，所述最小置信度分数变成置信度量；以及确认所述置信度量超过指定置信度阈值。7.如权利要求6所述的方法，其中，K在2至M的范围内。8.如权利要求4所述的方法，其中，每个相邻子窗口的面积以至少指定百分比与每个高置信度子窗口的面积重叠。9.一种用于训练特殊对象检测器以辨别出现在用于目标域的帧序列中的前景对象的计算机系统，该帧序列描述了不均匀背景中的前景对象的运动，在序列中...

【专利技术属性】
技术研发人员：A达塔，RS菲利斯，SU潘坎蒂，翟昀，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：美国,US