[发明专利]物体的多模型检测

说明书

本公开涉及物体的多模型检测。公开了一种物体检测系统，该物体检测系统被配置为使用生成各组物体检测结论的多个物体检测模型，来检测场景的图像内的受关注的物体。物体检测系统被配置为实现一系列功能，以调和其多组物体检测结论中存在的任何差异，以便针对给定图像内的每个感知到的受关注的物体生成一组结论。

技术领域

本公开涉及物体检测，更具体地，涉及一种物体的多模型检测。

背景技术

已经开发计算机来执行各种计算机视觉任务。在日常生活的许多方面中特别重要的这样一种计算机视觉任务是物体检测，它通常涉及计算机处理给定图像以识别和定位给定图像内的某些受关注的物体。

最近，已经开发出能够执行计算机视觉任务的系统，以帮助人类筛查人员(例如，机场，博物馆等处的安保人员)从某个位置的场景图像中识别出存在于个人身上和/或包含在一件行李中以及可能存在受关注的物体的其他位置的受关注的物体(例如，潜在的安全威胁，违禁品等)。这种系统改进了传统上由人类执行的物体识别。

如上所述，传统上，人类要负责识别场景图像内的受关注的物体，例如TSA安全筛查人员确定所扫描行李物品的图像是否包含任何被视为安全风险的物体(例如，枪，刀等)。然而，人类通常在执行这种零星的视觉搜索方面表现不佳，这至少部分是由于认知疲劳。因此，人类通常无法在扫描的场景图像中识别出受关注的物体，这可能导致各种负面后果，例如枪进入旅客列车、航班、公共汽车等。

因此，已经开发了计算机系统来代表人类执行物体检测。通常，物体检测是指以下功能：(i)识别场景图像中潜在的受关注的物体，(ii)对受关注的物体进行分类(例如，通过确定物体属于“枪”或“锋利物”类)，(iii)确定物体分类的置信度，以及(iv)确定图像内物体的定位描述(例如，通过为图像内物体限定边界框)。

近来，计算机系统已经变得相对擅长对“简单”场景图像执行物体检测。但是，随着场景图像变得更加“复杂”，现有的计算机系统在执行物体检测方面变得越来越差。例如，一些现有系统可以在扫描的行李物品的图像内准确地对受关注的物体执行物体检测，该扫描的行李物品包含以最小重叠方式排列的少量物体。另一方面，现有系统的准确性随着扫描的行李物品内的物体数量的增加、物体的布置变得更加拥挤、和/或目标受关注的物体分类的数量的增加而降低。

为了帮助解决现有物体检测系统的这些以及其他问题，本文公开的示例提供了一种物体检测系统，该系统利用多个物体检测模型来检测场景图像内的受关注的物体。相对于依靠单个模型来执行物体检测的现有系统和仅依靠多个模型来执行物体检测的分类功能的现有系统(整体上本质上没有物体检测复杂)，这样的系统提供了技术上的改进。在这方面，本公开的新的多模型物体检测系统可以提供优于现有系统的各种技术优势，例如，改进的物体检测精度、改进的检测速率、降低的误报、可支持的受关注的物体分类数量的增加、和/或促进持续的系统增强等优点。

除了提供对现有物体检测系统的技术改进之外，多模型物体检测系统还提出了其自身的附加技术挑战，这些挑战由本文公开的示例实施例解决。例如，对于给定图像，多模型系统的每个模型都会生成其自己的关于给定图像内特定受关注的物体的一组物体检测结论(即“推断”)，该结论可能包括(i)分配给特定受关注的物体的分类“标签”(可能构成“分类结论”的全部或部分)，(ii)特定受关注的物体的分类的置信度(可能构成“置信结论”的全部或部分)，以及(iii)在给定图像内特定受关注的物体的定位描述(例如，受关注的物体限定的边界框的大小和/或位置)(可以形成“定位结论”的全部或部分)。一组物体检测结论也可以包括其他类型的结论，这可能取决于给定物体检测模型的性质。