論文《Histograms of Oriented Gradients for Human Detect1n》，發(fā)表于2005CVPR學(xué)術(shù)會議)或DPM分類器(具體可見Pedro Felzenszwal的論文《0bject detect1nwith discriminativeIy trained partbased models》，IEEE Transact1ns on SoftwareEngineering(Impact Factor:5.78).09/2010;32(9): 1627-45)等來進(jìn)行。
[0036]優(yōu)選地，所述人臉檢測可采用Haar特征和AdaBoost分類器(可見V1la和Jones發(fā)表于2001CVPR學(xué)術(shù)會議的論文《Rapid Object Detect1n using a Boosted Cascade ofSimple Features》和《Robust Real-Time Face Detect1n》，Proceedings of the EighthIEEE Internat1nal Conference on Computer Vis1n 2001)等來進(jìn)行。
[0037]其中，所述行人或目標(biāo)所采用的過濾方式，可采用扣取掉再填補(bǔ)背景(優(yōu)選地，可米用Chuang和Agarwala在2002年發(fā)表于SIGGRAPH的論文《Video matting of complexscenes》中所提及的方法)，也可采用直接打馬賽克來進(jìn)行模糊化。
[0038]其中，所述的能辨別形貌的行人，至少包括能辨識的人臉。
[0039]其中，所述的能辨識人員身份的目標(biāo)，至少包括能辨識的車輛車牌號碼。
[0040]進(jìn)一步地，在全景預(yù)置位上進(jìn)行背景建模時，優(yōu)選地可考慮處理如下3點:
[0041](I)在行人在某個位置上靜止一段時間時，使得其不進(jìn)入背景圖像；
[0042](2)在某個新物品被放入時，快速地在背景圖像中顯示出該物品；
[0043](3)在某個物品被取走時，快速地從背景圖像中清除該物品。
[0044]在處理以上問題時，優(yōu)選地可綜合考慮行人、人臉檢測和物品檢測技術(shù)。
[0045]如圖7所示，為本發(fā)明的一種場景全景圖的構(gòu)建流程的具體實施例，包括如下步驟:
[0046]首先，對全景預(yù)置位上的視頻進(jìn)行分析處理(步驟71)，然后對當(dāng)前的視頻建立背景模型(步驟72)，并對當(dāng)前的背景圖進(jìn)行行人及人臉檢測(步驟73)，判斷是否檢測出行人或人臉(步驟74)，當(dāng)檢測出行人或人臉時，從背景圖中過濾檢測出的行人和人臉(步驟75)，將過濾后的背景圖像作為場景全景圖(步驟76)。
[0047]步驟21中所述的對場景全景圖的自動和實時更新，在考慮到網(wǎng)絡(luò)流量和平臺數(shù)據(jù)壓力的情況下，可以適當(dāng)?shù)亟档蛶?，如攝像機(jī)傳輸?shù)狡脚_的幀率和平臺傳輸?shù)接脩艚K端的顯示幀率。優(yōu)選地，可以采用10秒I幀，或更低幀率。
[0048]優(yōu)選地，在需要顯示的場景范圍較大情況下，可安裝多臺攝像機(jī)，采用場景拼接技術(shù)，來對各臺攝像機(jī)所產(chǎn)生的場景全景圖像進(jìn)行拼接，得到一個更大視野的場景全景圖像。
[0049]進(jìn)一步優(yōu)選地，在需要顯示的場景范圍較大情況下，可安裝一臺攝像機(jī)，采用多預(yù)置位巡檢的方式，獲取得到該場景下各個較小場景的全景圖像，再采用場景拼接技術(shù)來對該攝像機(jī)各預(yù)置位的場景全景圖像進(jìn)行拼接，得到一個更大視野的場景全景圖像。
[0050]其中，關(guān)于場景拼接的技術(shù)，可參考Szeliski的著作《Image alignment andstitching:Atutorial》。
[0051 ]步驟22中所述的交互式方式，至少包括如下兩種情形:
[0052]在用戶終端采用鼠標(biāo)操作時(如臺式電腦、筆記本電腦)，用戶通過鼠標(biāo)拖拽來畫一個圖形來包含欲查看物品；
[0053]在用戶終端采用觸摸操作時(如iPad、智能手機(jī))，用戶通過觸摸操作在觸摸屏上畫一個圖形包含欲查看物品。
[0054]優(yōu)選地，在用戶終端采用鼠標(biāo)操作時，用戶通過鼠標(biāo)拖拽來畫一個矩形框\一條斜對角線來包含欲查看物品。
[0055]優(yōu)選地，在用戶終端采用觸摸操作時，用戶通過觸摸操作在觸摸屏上畫一個圓圈\一條斜對角線來包含欲查看物品。
[0056]進(jìn)一步優(yōu)選地，交互式方式還可包含如下一種方式:用戶采用某種特殊方式(如鼠標(biāo)右擊)點擊物品時，算法自動地將被點擊的物品從場景中分割出來。
[0057]步驟22中所述的特寫查看的操作請求，優(yōu)選的，是指在用戶采用的所述交互方式而得到對物品最小外包矩形，且要求攝像機(jī)通過PTZ操作來將該外包矩形區(qū)域里的畫面內(nèi)容，能完整地、清晰地放大到原始畫面分辨率的一定比率的請求。
[0058]進(jìn)一步地，步驟22中所述用戶對場景全景圖中的某一物品感興趣，包含一種情況:智能算法通過對場景中物品進(jìn)行分析，并發(fā)現(xiàn)其中存在著發(fā)生變化的物品，在該情況下，智能算法為虛擬的用戶，發(fā)生變化的物品為虛擬的感興趣物品。
[0059]其中，自動判別場景中物品是否發(fā)生變化，優(yōu)選地，可采用如下方法:采用背景模型獲取得到靜止的前景;對靜止前景進(jìn)行分析，判別是否為靜止的行人及其部件;在不是的情況下，認(rèn)為物品發(fā)生變化，否則認(rèn)為是被遮擋而非物品變化。
[0060]進(jìn)一步地，步驟22中所述通過交互式方式來發(fā)送特寫查看的操作請求，包含一種情況:在所述的虛擬的用戶發(fā)現(xiàn)存在所述虛擬的感興趣物品時，智能算法自動構(gòu)建出該物品的最小外包矩形，要求攝像機(jī)通過PTZ操作來將該外包矩形區(qū)域里的畫面內(nèi)容，能完整地、清晰地放大到原始畫面分辨率的一定比率的請求。
[0061]圖5為本發(fā)明實施例中一種虛擬用戶的請求和處理的流程示意圖。如圖所示，首先，在全景預(yù)置位上自動對場景進(jìn)行分析(步驟51)，判斷是否存在發(fā)生變化的物品(步驟52)。如果存在發(fā)生變化的物品，自動發(fā)送對該物品的查看請求(步驟53)，分配攝像機(jī)操作權(quán)限(步驟54)，接著判斷是否分配到攝像機(jī)操作權(quán)限(步驟55)。如果分配到權(quán)限，則獲取物品的實況特寫圖，保存其實況信息到平臺(步驟56)，如果未分配到權(quán)限，則重新返回步驟51ο
[0062]如圖8所示，為對用戶查看請求進(jìn)行攝像機(jī)權(quán)限分配的【具體實施方式】的流程示意圖，該流程對應(yīng)方法總流程中的步驟23。首先，各個用戶發(fā)送查看的操作請求(步驟81)，對多個用戶的操作請求進(jìn)行聚類分析(步驟82)，判斷聚類后物品是否變化(步驟83)，變化的情況下，對變化的各物品按請求數(shù)多少排序(步驟84)，按排序結(jié)果逐一對物品請求用戶進(jìn)行優(yōu)先響應(yīng)(步驟85)，將攝像機(jī)權(quán)限賦予當(dāng)前響應(yīng)物品請求最早的用戶(步驟86)，判斷是否已完成所有物品的響應(yīng)(步驟87)，完成則結(jié)束，未完成則回到步驟85。
[0063]其中，所述的對多個用戶的操作請求進(jìn)行聚類分析，是采用對感興趣物品的進(jìn)行操作請求所生成的外包矩形區(qū)域，來進(jìn)行聚類的。
[0064]優(yōu)選地，可將各矩形的中心點坐標(biāo)及寬高值，作為向量的4個特征值來進(jìn)行聚類。
[0065]優(yōu)選地，聚類方法可采用凝聚的層次聚類算法進(jìn)行，該算法的策略是先將每個對象作為一個簇，然后合并這些原子簇為越來越大的簇，直到某個終結(jié)條件被滿足。這里給出采用最小距離的凝聚層次聚類算法流程:
[0066](I)將每個對象看作一類，計算兩兩之間的最小距離；
[0067](2)將距離最小的兩個類合并成一個新類；
[0068](3)重新計算新類與所有類之間的距離；
[0069 ] (4)重復(fù)(2)、( 3)，直到所有類最后均滿足終結(jié)條件。
[0070]這里，兩兩之間的最小距離可采用矩形的中心點坐標(biāo)及寬高值4個特征的歐式距離，終結(jié)條件為類間最小距離不超過某一條件。
[0071]其中，所述的判斷聚類后物品是否變化，是指用戶在發(fā)送查看操作請求時所對應(yīng)的物品和存儲在平臺上的該物品，是否已經(jīng)發(fā)生了變化，包括如下情形:
[0072](I)若平臺上未存儲該物品，則直接認(rèn)為該物品發(fā)生了變化；
[0073](2)若平臺上存