[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

说明书

描述了一种对象辨识系统。使用积分通道特征(ICF)检测器，该系统从围绕平台的场景的输入图像提取候选目标区域(该候选目标区域具有表示候选对象的关联原始置信度得分)。基于候选对象的检测的位置和高度来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，基于经修改的置信度得分对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分类对象，以将各个分类对象最终分类成目标或非目标。如果分类对象是目标，则基于目标控制设备。

政府权利

本发明是在美国政府合同号W15P7T-10-D-D413的政府支持下完成的。政府拥有本发明的某些权利。

相关申请的交叉引用

本申请是于2018年1月30日提交的美国申请No.15/883,822的部分继续申请，该美国申请No.15/883,822是于2017年3月30日提交的美国临时申请No.62/479,204的非临时申请，其全部内容通过引用并入本文中。

本申请还是于2018年4月17日提交的序列号为No.62/659,100的美国临时申请的非临时专利申请，其全部内容通过引用并入本文中。

背景技术

(1)技术领域

本发明涉及对象检测系统，并且更具体地涉及使用图像和尺寸特征的对象检测和辨识系统。

(2)相关技术的描述

对象检测和辨识系统通常用于自主驾驶车辆和侦察系统中，以快速且自动地检测和辨识视场内的对象。传统的对象检测和辨识系统试图基于对象的图像特征来识别对象。在起作用时，这样的系统的限制在于无法基于尺寸特征来验证辨识。

已经使用地平面的估计进行了确定尺寸的其它尝试。参见例如Dragon R.,VanGool L.,“Ground plane estimation using a hidden Markov model(使用隐马尔可夫模型的地平面估计)”，公开于第27届IEEE计算机视觉和模式辨识会议(the 27th IEEEconference on computer vision and pattern recognition)-CVPR 2014,pp.4026-4033,2014年6月23日至28日,美国俄亥俄州哥伦布市，其全部内容通过引用并入本文中。然而，当存在遮挡、阴影或无法提供开放空间的清晰视野的其它问题(例如，车辆在林区中行驶)时，这种方法通常会失败。

其它现有技术使用相机标定来从图像确定对象高度。参见例如，G.Führ,C.R.Jung和M.B.d.Paula,On the Use of Calibration for Pedestrian Detection in On-BoardVehicular Cameras(关于车载相机中用于行人监测的标定的使用)，公开于2016年第29届关于图形、模式和图像的SIBGRAPI会议(the 2016 29th SIBGRAPI Conference onGraphics,Patterns and Images)(SIBGRAPI),Sao Paulo,2016,pp.80-87，其全部内容通过引用并入本文中。当没有相机标定可用时，这种标定方法将失败。

因此，存在对同时从图像和位置数据学习的对象检测和辨识系统的持续需求，该系统对于数据类型是鲁棒性的并且在各种目标尺寸和位置下都是准确的。

发明内容