[发明专利]用于提高视频中的对象检测性能的系统和方法

说明书

技术领域

本发明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。

背景技术

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,Adaptive background mixture models for real-time tracking,CVPR,1998,1)；(Y.Tian,M.Lu和A.Hampapur,Robust and efficient foreground analysis for real-time video surveillance,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。

基于外观的对象检测器[(N.Dalal和B.Triggs.Histograms of oriented gradients for human detection,CVPR,2005,1)；(P.Felzenszwalb,R.Girshick,D.McAllester和D.Ramanan,Object detection with discriminatively trained part based models,IEEE Transactions on PAMI,2010,1)]作为用以应对这些有挑战性的条件的很有前景的方向而出现。具体地，对于要求实时处理的应用而言，基于类哈尔(Haar-like)特征的级联检测器已被广泛地用于人脸[P.Viola和M.Jones.Robust Real-time Object Detection,International Journal of Computer Vision,2004,1,2,3,4],行人[P.Viola,M.Jones和D.Snowi,Detecting pedestrians using patterns of motion and appearance,ICCV,2003,1]和车辆[R.S.Feris,B.Siddiquie,Y.Zhai,J.Petterson,L.Brown和S.Pankanti,Attribute-based vehicle search in crowded surveillance videos,ICMR,2011,1]的检测。虽然在此领域中已经实现的显著的进步，但现有技术对象检测器仍不能很好地一般化至不同的相机角度和照明条件。由于实际部署常常涉及到大量的监控相机，所以训练每个相机的检测器由于标注成本而是不可能的。已经提出了在线自适应方法[(V.Jain和E.Learned-Miller,Online domain adaptation of a pre-trained cascade of classifiers,CVPR,2011,1,2)；(S.Pan,I.Tsang,J.Kwok和Q.Yang,Domain adaptation via transfer component analysis,IEEE Transactions on Neural Networks,2011,1,2)]以使一般检测器适应于特定的域，但是该在线自适应方法通常要求来自目标域的少量的手动标签。大多数方法仅仅依赖于权值的自适应，同时保持原始检测器的相同的特征和相同的计算复杂性。