[发明专利]使用图像和尺寸特征进行实时对象检测和辨识的系统

权利要求书

1.一种对象辨识系统，所述对象辨识系统包括：

非暂时性计算机可读介质以及一个或更多个处理器，所述非暂时性计算机可读介质上编码有可执行指令，使得所述可执行指令在被执行时，所述一个或更多个处理器执行以下操作：

使用积分通道特征(ICF)检测器，从围绕一平台的场景的输入图像提取候选目标区域，其中，所述候选目标区域具有表示候选对象的关联的原始置信度得分；

基于所述候选对象的检测的位置和高度，生成经修改的置信度得分；

使用经训练的卷积神经网络(CNN)分类器，基于所述经修改的置信度得分对所述候选目标区域进行分类，从而得到分类对象；

使用多目标跟踪器跟踪所述分类对象，以将各个分类对象最终分类成目标或非目标；以及

如果所述分类对象是目标，则基于所述目标对设备进行控制。

2.根据权利要求1所述的对象辨识系统，其中，所述ICF检测器针对视频的图像帧计算通道特征向量，并且其中，对于各个图像帧，ICF分类器是以多个图像尺度并且跨整个图像帧被应用的。

3.根据权利要求1所述的对象辨识系统，其中，所述CNN分类器被实现为包括CNN接口和CNN服务器的交互软件模块，其中，所述CNN接口显示从所述CNN服务器接收到的结果。

4.根据权利要求1所述的对象辨识系统，其中，所述经训练的CNN被用于电光(EO)和红外(IR)图像分类二者。

5.根据权利要求1所述的对象辨识系统，其中，将所述输入图像划分成多个水平条带，并且基于所述输入图像中的真值对象的位置是否位于所述条带中，将所述真值对象分成相同数量的组，各个组中的所述对象被用于估计所述输入图像中的对象高度分布的均值和标准差。

6.根据权利要求1所述的对象辨识系统，其中，根据以下等式，使用加权高斯来生成所述经修改的置信度得分：

以及

经修改的置信度得分＝原始置信度得分*wf，

其中，h表示所述输入图像中的所述候选对象的高度，m和σ分别表示所述输入图像和直条中的对象高度分布的均值和标准差，exp(.)表示指数函数，N是乘数，并且*表示乘法。

7.根据权利要求1所述的对象辨识系统，其中，根据以下等式，使用加权门限来生成所述经修改的置信度得分：

以及

经修改的置信度得分＝原始置信度得分*wf，

其中，h表示所述输入图像中的所述候选对象的高度，m和σ分别表示所述输入图像和直条中的对象高度分布的均值和标准差，N是乘数，并且*表示乘法。

8.根据权利要求1所述的对象辨识系统，所述对象辨识系统还包括以下操作：

使用经修改的卷积网络(CNN-2)分类器，基于所述经修改的置信度得分对所述候选目标区域进行分类，从而得到经修改的分类对象；以及

将所述经修改的分类对象与来自所述经训练的CNN分类器的所述分类对象融合，以由所述多目标跟踪器进行处理。

9.一种用于对象辨识的计算机程序产品，所述计算机程序产品包括：

非暂时性计算机可读介质，所述非暂时性计算机可读介质上编码有可执行指令，使得在由一个或更多个处理器执行所述可执行指令时，所述一个或更多个处理器执行以下操作：

使用积分通道特征(ICF)检测器，从围绕一平台的场景的输入图像提取候选目标区域，其中，所述候选目标区域具有表示候选对象的关联的原始置信度得分；

基于所述候选对象的检测的位置和高度，生成经修改的置信度得分；

使用经训练的卷积神经网络(CNN)分类器，基于所述经修改的置信度得分对所述候选目标区域进行分类，从而得到分类对象；

使用多目标跟踪器跟踪所述分类对象，以将各个分类对象最终分类成目标或非目标；以及

如果所述分类对象是目标，则基于所述目标对设备进行控制。