供至步骤405的图像，以更详细地分析关注对象100的行 为。在VIDD配置的另一应用中，提供至步骤405的信息是以诸如目击者描述等的、针对关 注对象的语义描述的形式的。例如，向步骤405提供针对诸如走失儿童等的对象的语义描 述以定位并寻找回该对象。
[0091] 控制然后从步骤405进入通过VIDD软件1033所指示的处理器1005所进行的步骤 410，其中，步骤410确定关注对象的多个属性中的每一个的特有性，如以下参考图12更加 详细地所述。如上所述，可以通过处理器1005进行方法步骤410,并且/或者可选地，可以 作为用于确定关注对象的属性的特有性的软件、硬件或者混合硬件/软件模块来实现。相 同论述适用于本说明书中所述的其它方法步骤。
[0092] 图12描述用于示出在一个VIDD配置中，如何通过包含特定属性标签（还称为类 标签）针对关注对象的概率和该属性标签针对一些其它对象的概率的元组来表示该属性 标签的特有性的例子1200。因此，通过构建包含关注对象的属性标签的概率和该属性标签 在种群中的频率的元组，来表示属性的特有性。在例子1200中，人1201是关注对象，并且 关注对象的一个属性标签是"戴眼镜" 1202。例子1200中属性标签1202的概率1203是 95%，这表示关注对象1201戴着眼镜的可能性是95%。在例子1200中，人的集合1204是 候选关注对象的种群，并且例子1200中的相应属性标签1205的概率1206是60%，这表示 种群1204中候选关注对象戴着眼镜的可能性是60%。在例子1200中，用于表示给定属性 标签"戴眼镜"的特有性的元组为（1203, 1206)。
[0093] 概率1203、1206(参考图4中的411)分别对应于公式（1)中的项p(ai|x = 1)和 p (a; | X = 0)，它们是不依赖于特定摄像机的视角的、针对关注对象对于属性a;的特有性的 度量。
[0094] 在一个VIDD配置中，根据语义（书面或者口头）描述，确定关注对象的属性标签 ai的概率p (a i | X = 1)。在一个例子中，通过三个属性，g卩，"眼镜"、"衣袖长度"和"面部毛 发风格"来指定关注对象，并且目击者将关注对象描述为"穿着T恤衫、并且戴着眼镜"。基 于目击者的信任度（或者可信度），将属性"衣袖长度"的"短袖"的概率分配为0. 9,并且 将属性"眼镜"的"戴眼镜"的概率分配为〇. 95。此外，由于目击者没有提及是否留着胡子， 因而将属性"面部毛发风格"的"胡子被刮光"的概率分配为〇. 7。由于目击者还有可能没 有表述留着胡子，因而该属性标签与"短袖"或者"戴眼镜"相比，被分配以较低置信度。在 可选的VIDD配置中，通过保安员或者其它操作者人工检查关注对象的一个以上的图像，来 确定关注对象的属性标签的概率。在又一 VIDD配置中，通过关注对象的一个以上的图像的 自动标注，来确定关注对象的属性标签的概率。通过首先使用图7A中的方法430的例子检 测属性、然后对于用于类标签的概率分布P(a 1= 1= 1)的公式（2)中的属性推断约束 进行求解，实现自动标注。
[0095] 为了在处理400的步骤410确定属性标签的特有性，还必须确定一些其它对象 (也就是说，除关注对象以外的对象）的属性标签的概率P (ai | X = 0)。在一个VIDD配置中， 与从共享属性的所有其它对象的种群所随机选择的对象相对应，根据诸如通过调查和市场 调研所推论出的知识等的专业知识，确定属性标签的概率。在另一 VIDD配置中，与从通过 用于拍摄所讨论的场景的图像120的任一摄像机先前所观察到的对象的种群所随机选择 的对象相对应，根据先前观察对象中的属性的频率，确定属性标签的概率。在又一 VIDD配 置中，针对每日的不同时间和每年的不同季节，保持独立属性统计，以应对对象的属性的周 期性变化（例如，与夜间相比，行人通常更多在白天期间戴太阳镜）。然后在通过选择与拍 摄候选对象的图像时的时间相对应的属性统计，在方法400的步骤420检测到候选对象时， 确定属性标签的特有性。
[0096] 方法400然后从步骤410进入通过VIDD软件1033所指示的处理器1005所进行的 步骤420,其中，通过PTZ摄像机140拍摄一个以上的帧，并且检测和追踪候选对象130。如 上所述，步骤420使用使用与在拍摄候选对象的图像时的时间相对应的属性统计所确定的 属性标签的特有性。在一个VIDD配置中，通过使用诸如高斯混合（MoG)等的统计背景像素 建模方法进行前景分离，在步骤420检测候选对象，其中，在具有固定摄像机设置的多个帧 上，保持背景模型。在另一 VIDD配置中，对于离散余弦变换块进行前景分离方法。在另一 VIDD配置中，例如使用超像素对帧的非监督片段进行前景分离。在又一 VIDD配置中，使用 诸如行人检测器等监督机学习方法来检测候选对象。行人检测器基于行人样例的训练集， 将一组关注区域分类为是否包含行人。在一个VIDD配置中，步骤420的输出是表示图像平 面120上包含候选对象130的关注区域的矩形边界框135 (参考图1)。在另一 VIDD配置 中，步骤420的输出是表示属于候选对象的像素的区域和属于背景的像素的区域的二值图 像映射图。
[0097] 在一些场景中，在步骤420检测到一个以上的候选对象。在步骤420的一个实施方 案中，在对象检测之后，进行对所检测到的候选对象的目标追踪，以将多个帧上的相同候选 对象的观察相关联。在一个VIDD配置中，通过假定布朗运动、并且将一个帧中的候选对象 与先前帧中最近的像素位置处的候选对象相关联来进行追踪。在另一 VIDD配置中，通过使 用诸如卡尔曼滤波器或者粒子滤波器等的递归贝叶斯滤波器估计对象的运动来进行追踪。 在又一 VIDD配置中，除位置和速度信息以外，还使用与对象有关的外观信息来进行追踪。
[0098] 方法400然后从步骤420进入下面参考图5更加详细说明的、通过VIDD软件1033 所指示的处理器1005所进行的步骤425,步骤425确定候选对象130相对于摄像机140的 视角的相对定向。在一个VIDD配置中，使用机器学习方法来确定相对定向以将候选对象的 图像分类成一组离散定向类（例如，"正视图"、"侧视图"和"后视图"）。通过来自每一类的 一组样例来训练分类器。在另一 VIDD配置中，使用基于模型的姿态估计来确定相对定向， 以基于诸如边缘等的所提取的特征，使得候选对象的模型与候选对象的图像拟合。在另一 VIDD配置中，基于通过公式（7)中的方位角Θ所表示的候选对象的运动方向来确定相对定 向。下面参考图5、6A和6B更详细地说明VIDD配置例子。
[0099] 方法400然后从步骤425进入下面参考图7A和7B更加详细地说明的、通过VIDD 软件1033所指示的处理器1005所进行的步骤430,步骤430对在步骤420所检测到的候选 对象的属性进行分类。在一个VIDD配置中，通过计算所检测到的候选者和每一属性类的一 个以上的模板图像的特征之间的匹配得分，对属性进行分类。在另一 VIDD配置中，通过对 于从所检测到的候选者的区域所提取的特征应用预定阈值，对属性进行分类。例如，通过向 躯体区域中的像素的平均灰度应用预定阈值，对包含类"浅色"和"深色"的属性"衬衣颜色 深浅"进行分类。在又一 VIDD配置中，使用监督学习对属性进行分类，其中，通过每一类的 一组标记训练图像来学习分类器。
[0100] 方法400然后从步骤430进入下面参考图8更加详细地说明的、通过VIDD软件 1033所指示的处理器1005所进行的步骤440,步骤440基于在步骤410所确定的关注对象 的属性、在步骤430所确定的候选对象的属性和在步骤425所确定的候选对象的相对定向， 确定候选对象是关注对象的置信度（根据公式（1)的（P(x|d，v))。在一个VIDD配置中， 步骤440计算公式（1)中的后验概率。控制然后从步骤440进入通过VIDD软件1033所指 示的处理器1005所进行的判断步骤450,步骤450判断是否可以基于所计算出的后验概率 441来确定候选对象的身份。在一个VIDD配置中，将在步骤440所确定的后验概率与上阈 值和下阈值（例如，0.95和0.05)进行比较。如果后验概率高于上阈值或者低于下阈值，那 么候选对象的身份的置信度高，否则，候选对象的身份的置信度低。如果候选对象的身份的 置信度低，则控制按照"否"箭头，并且从步骤450进入以下参考图9更加详细所述的步骤 460。通过VIDD软件1033所指示的处理器1005进行步骤460,并且规划新的摄像机设置。 如果候选对象的身份的置信度高，则控制按照"是"箭头，并且从步骤450进入步骤499。
[0101] 步骤460确定摄像机设置以通过提尚最特有可观察属性的可检测性来提尚候选 对象的身份的估计的置信度。在一个VIDD配置中，基于预定规则生成一组固定的摄像机设 置，并且选择使与候选对象的身份有关的信息的增加最大化的设置。例如，这些规则可以基 于诸如行人情况下的"头部"、"躯体"和"腿部"等的、候选对象的特定区域的放大图，生成 摄像机设置。在另一 VIDD配置中，进行诸如迭代下降搜索等的数值优化，以确定使与候选 对象的身份有关的信息的增加最大化的摄像机设置。在步骤460规划了新的摄像机设置之 后，控制循环回至步骤420,其中，使用新的摄像机设置拍摄候选对象的新图像，以更新候选 对象是关注对象的置信度。
[0102] 在结束步骤499,根据使用公式（1)所确定的最终后验概率，确定候选对象的最终 身份。在一个VIDD配置中，将候选对象的最终后验概率与预定上阈值和预定下阈值（例如， 0.95和0.05)进行比较。如果后验概率高于上阈值，则候选对象被分类为是关注对象。如 果后验概率低于下阈值，则候选对象被分类为不是关注对象。
[0103] 图4示出用于实现VIDD配置的一个例子400,其中，规划一系列观察以判断单个 候选对象是否是关注对象。还可以相同地进行该方法的变形例。在一个可选VIDD变形例 中，规划一系列观察以确定一个以上的候选对象的身份。在该变形例的一个实施方案中，步 骤420检测并追踪多个候选对象，并且步骤425确定每一候选对象的相对定向。独立于其 它候选对象，步骤430对每一候选对象的属性进行分类。类似地，独立于其它候选对象，步 骤440确定每一候选对象是否是关注对象的后验概率。在一个VIDD配置中，步骤450判断 是否至少一个候选对象具有作为关注对象的高置信度。如果是，控制进入结束步骤499,在 步骤499,将具有最高后验概率的对象分类为关注对象。如果不是，则控制进入步骤460,步 骤460规划新的摄像机设置，以使所有候选对象的身份的置信度最大化。
[0104] 在方法400的另一可选变形例中，用户（例如，保安员）监视方法400,并且在已 经识别出关注对象时终止该处理。在该变形例的一个实施方案中，步骤440计算每一候选 对象的后验概率，并然后从最大置信度到最小置信度，对作为关注对象的所有候选对象进 行排序。在判断步骤450的一个实施方案中，向用户呈现顶部排序对象（例如，具有最高后 验概率的三个对象）。如果用户判断为这些对象中的一个是关注对象，则控制进入结束步 骤499。如果用户判断为这些对象没有一个是关注对象，则控制进入步骤460,步骤460规 划如以上VIDD配置所述的新的摄像机设置。
[0105] 图5示出用于基于运动方向来确定候选对象的相对定向541的、图4的方法400的 步骤425的示例性实现方案。作为例子，参考如图6A和6B所述的、场景的图像600中的候 选对象620来说明方法425。方法425基于在两个不同时间所拍摄的一对帧中所观察到的、 针对候选对象的位置变化的一阶有限差分近似，确定运动方向。在方法440的步骤820 (参 考图8)和方法460的步骤920(参考图9)中，使用通过该方法所确定的相对定向541，以确 定每一属性在给定摄像机设置下的可检测性。
[0106] 在通过VIDD软件1033所指示的处理器1005所进行的开始步骤505,开始图5中 的方法425,其中，作为输入，接收场景的当前帧600和在先前时间所拍摄的帧。当前帧和先 前帧两者都包含候选对象。控制然后从步骤505进入通过VIDD软件1033所指示的处理器 1005所进行的步骤510,步骤510确定表示候选对象的位置的当前帧中的点。可以相对于 如在方法400的步骤420的一个实施方案中所检测到的、包含候选对象的边界框来确定该 点。例如，在步骤510的一个实施方案中，将边界框的最下边缘的中心（即，"脚印"）作为 候选对象的位置。在步骤510的替代实施方案中，将边界框的形心作为候选对象的位置，这 样对于噪声具有更强的稳健性。步骤510的另一实施方案可以使用特定部位的位置来定位 候选对象。例如，针对行人的步骤510的另一替代实施方案，使用如使用"Ω形状"检测器 所检测到的、候选对象的头部位置。该位置的优点是在不同帧上具有高精度的特有性和可 检测性。又一可选VIDD配置，使用候选对象的前景掩模上的最低点（如在方法400的步骤 420的一个实施方案中所检测到的）作为候选对象的位置。
[0107] 控制然后从步骤510进入通过VIDD软件1033所指示的处理器1005所进行的步 骤520,步骤520确定表示候选对象的位置的、先前帧中的点。步骤520的实施方案与上述 步骤510的替代实施方案（应用于先前帧）相同，其中，对于步骤510和520两者，使用相 同实施方案。这样确保当前帧和先前帧之间的点的相对位置表示运动方向，而不是该点相 对于候选对象的位置的移位。
[0108] 方法425然后从步骤520进入通过VIDD软件1033所指示的处理器1005所进行的 步骤530,步骤530基于在步骤510和520所确定的位置，确定候选对象的运动方向。在一 个VIDD配置中，步骤530计算表示候选对象的位置从先前帧到当前帧的相对变化的矢量。
[0109] 图6A作为例子示出步骤510、520和530的一个实施方案。首先，在步骤510,确 定当前帧中候选对象620上的最低点640。然后，在步骤520,确定先前帧中候选对象610 上的最低点630。最后，计算从先前位置630到当前位置640的矢量650,作为对于运动方 向的一阶有限差分近似。将该矢量分解成被表示为Αχ的、在图6A中以654所表示的图像 在水平方向上的位置变化和表示为△ y的、在图6Α中以652所表示的垂直方向上的位置变 化。
[0110] 控制然后从步骤530进入通过VIDD软件1033所指示的处理器1005所进行的步骤 540,步骤540基于在步骤530所确定的运动方向，确定