据异质点云中的点的深度信息和平面 图像信息，确定该异质点云所对应的物体的表面特征，并根据表面特征生成第二危险性参 数的方法600的流程图。在如上所述对异质点云进行了坐标变换的情况下，在方法600中 使用进行了变换后的异质点云。
[0062] 如图6所示，在步骤S601中，根据异质点云中的点的深度信息和平面图像信息，获 得物体的立体纹理信息，并且根据所获得的立体纹理信息生成纹理危险性参数。具体地，可 根据平面图像信息确定物体表面的二维纹理。可通过例如SIFT，HoG或者textons之类的 二维纹理描述方法来根据平面图像信息确定物体表面的二维纹理。此外，还可根据深度信 息、基于物体的二维纹理获得物体的立体纹理信息。图7a是根据深度信息、基于物体的二 维纹理获得的一个立体纹理的示意图。图7b是根据深度信息、基于物体的二维纹理获得的 另一立体纹理的示意图。如图7a所示，根据深度信息、基于物体的二维纹理可确定物体710 表面上的纹理是平面图案。此外，如图7b所示，根据深度信息、基于物体的二维纹理可确定 物体720表面上的纹理是凸起的。例如，可通过以下公式（10)描述局部纹理碎片间的相对 距离，其中局部纹理碎片之间的空间关系被定义为分别表示凹进、平面和突出的{_1，〇, 1} 二种状态：
[0063] (10)
[0064] 其中h表示局部纹理碎片，neighbour of t ;表示与t ;相邻的局部纹理碎片， depth ()代表h表示的局部纹理碎片与观察者距离的值。t表示^表示的局部纹理碎片结 构增强后的纹理。如人们可理解的，具有凹进或者突出性质的纹理往往代表了高风险可能 性。
[0065] 返回图6,在步骤S602中，可根据异质点云中的点的平面图像信息，获得物体的材 质信息，并且根据所获得的材质信息生成材质危险性参数。例如，可从平面图像信息中获得 物体表面的光线反射信息，并根据物体表面的光线反射信息来确定物体的材质。
[0066] 然后，在步骤S603中，根据纹理危险性参数和材质危险性参数生成第二危险性参 数。例如可通过以下公式（11)来结合纹理危险性参数和材质危险性参数生成第二危险性 参数 Riskvlsual:
[0067]
(11)
[0068] 其中，T表示纹理危险性参数，R表示材质危险性参数，V()表示对于纹理危险性参 数T和材质危险性参数R进行结合的结合函数。例如，V()可以是线性回归、logistic回归 等函数。Riskvlsual的取值范围可以是[0，1]，并且值越大表示物体越可能是危险的。
[0069] 返回图1，在获得第一危险性参数和第二危险性参数后，在步骤S104中，根据第一 危险性参数和第二危险性参数，生成异质点云所对应的物体的综合危险性参数。例如，在生 成综合危险性参数时，可认为在步骤S102获得的第一危险性参数和在步骤S103获得的第 二危险性参数具有相同的权重。又例如，可根据关于第一危险性参数和第二危险性参数各 自的识别准确率的历史信息、当前异质点云所对应的物体的特征等来调节第一危险性参数 和第二危险性参数的权重。
[0070] 根据本发明的一个实例，可根据关于第一危险性参数和第二危险性参数各自的识 别准确率的历史信息和/或物体的表面的信息，生成关于第一危险性参数的第一权重和关 于第二危险性参数的第二权重。根据本发明的一个示例，可通过以下公式（12)，利用关于第 一危险性参数和第二危险性参数各自的识别准确率的历史信息来获得关于第一危险性参 数的权重和关于第二危险性参数的权重：
[0071] (12)
[0072] 其中，accshape表示第一危险性参数的历史危险性识别准确率，acc vlsual表示第二危 险性参数的历史危险性识别准确率，accshapJP acc vlsual的取值范围为[0, 1]。w sh_是第一 危险性参数的权重，并且wvlsual是第二危险性参数的权重。
[0073] 此外，根据本发明的另一示例，如果观测到了更多的物体表面，可以认为基于物体 的表面特征的估计更可信，因此可增加第二危险性参数的权重。相反，如果只能观测到很少 的物体表面，可减少第二危险性参数的权重。例如，除了以上通过以下公式（12)根据历史 信息调整权重以外，还可通过以下公式（13)，基于物体的表面的信息来获得关于第一危险 性参数的权重和关于第二危险性参数的权重：
[0074]
(13)
[0075] 其中，△ w表示基于物体的表面的信息对于权重进行调整的调整系数，其取值范围 为[-1，1]。R+m表示图像中观测到的物体表面，R3D 是物体在三维世界坐标系下的真 实表面。％4_表示基于历史信息和物体的表面的信息后的第一危险性参数的第一权重，并 且表表示基于历史信息和物体的表面的信息后的第二危险性参数的第二权重。
[0076] 然后，可根据加权后的第一危险性参数和加权后的第二危险性参数，例如，通过以 下公式（14)生成综合危险性参数dangerousness score :
[0077] (14)。
[0078] 综合危险性参数dangerousness score的取值范围为[0, 1]，并且值越大表示物 体越可能是危险的。
[0079] 通过根据本发明以上实施例的识别物体危险性的方法，通过危险性参数可定性地 确定一般意义上物体的危险性，从而避免针对危险物体的具体建模。因此根据本发明实施 例的识别物体危险性的方法可更加灵活、有效地应用于可能出现大量的、变化的危险物体 的实际监控场景中。此外，通过使用从立体相机拍摄的图像中获得的图像中物体的深度信 息和平面图像信息两者，确定指示物体的立体形状的危险性的第一危险性参数和指示物体 的表面特征的危险性的第二危险性参数，并结合第一危险性参数和第二危险性参数来判断 物体的危险性，与现有的判断物体危险性的方法相比，根据本发明实施例的识别物体危险 性的方法能够提供更加准确的物体危险性识别结果。
[0080] 下面，参照图8说明本发明的实施例的识别物体危险性的装置。图8是示出了根 据本发明的一个实施例的识别物体危险性的装置800的示范性结构框图。如图8中所示， 本实施例的识别物体危险性的装置800包括点云生成单元810、第一参数生成单元820、第 二参数生成单元830和综合参数生成单元840。识别物体危险性的装置800的各个单元可 分别执行上述图1中的识别物体危险性的方法100的各个步骤/功能。因此，以下仅对识 别物体危险性的装置800的主要部件进行了描述，而省略了以上已经结合图1描述过的细 节内容。
[0081] 点云生成单元810可根据立体相机拍摄的图像，生成图像中物体的异质点云，其 中异质点云中的每个点具有深度信息和平面图像信息。根据本发明的一个示例，点云生成 单元810可确定图像的前景物体区域中是否存在物体。例如，可通过例如静态背景建模，也 可以使用GMM(混合高斯模型）等动态背景建模之类的任何背景建模方法、基于立体相机获 得的深度图来生成背景模型。利用背景减除的方法，提取度图像中的前景像素以获得前景 区域。然后，点云生成单元810可确定前景物体区域中是否存在物体。例如，在预先确定 所要进行识别的物体为人的持有物体的情况下，可从前景区域中检测持物人并定位被持物 体。当确定存在物体时，点云生成单元810可根据立体相机拍摄的图像生成物体的异质点 云。根据本发明的一个示例，点云生成单元810可首先获得在前景物体区域中存在的物体 所对应的像素点中的每个像素点的平面图像信息和深度信息。根据本发明的一个示例，平 面图像信息可包括该像素点在平面图像中的平面位置信息、颜色信息、灰度信息和/或亮 度信息等。此外，根据本发明的另一示例，可根据立体相机拍摄的图像计算每个像素点的视 差值，并根据视差值获得该像素点的深度信息。然后将物体所对应像素的位置坐标从相机 坐标系变换到真实世界的三维坐标系下，从而生成具有异质点云。异质点云是指点云（即， 点集）中的每个像素点不仅就有三维坐标，还具有颜色信息、灰度信息和/或亮度信息等平 面图像信息。
[0082] 第一参数生成单元820可根据异质点云中的点的深度信息和平面图像信息，确定 该异质点云所对应的物体的立体形状，并根据立体形状生成第一危险性参数。图9是示出 了根据本发明的一个实施例的第一参数生成单元820的示范性结构框图。如图9中所示， 本实施例的第一参数生成单元820包括投影生成模块910、自参数生成模块920、比较参数 生成模块930和第一参数生成模块940。第一参数生成单元820的各个模块可分别执行上 述图3中的根据异质点云中的点的深度信息和平面图像信息生成指示物体的立体形状的 危险性的第一危险性参数的方法300的各个步骤/功能。因此，以下仅对第一参数生成单 元820的主要部件进行了描述，而省略了以上已经结合图3描述过的细节内容。
[0083] 投影生成模块910可根据异质点云中的点的深度信息和平面图像信息，生成异质 点云在多个方向上的二维投影。根据本发明的一个示例，可将三维空间中异质点云在由任 意两个坐标轴确定的平面上投影，以获得多个二维投影。根据本发明的另一示例，还可将 物体的异质点云视为物体流形的一种高维观测，并对它应用Laplace Beltrami算子来生 成多个二维的特征投影（即，二维投影），这些特征投影可以看作是该物体流形的低维表 征。具体地，可以假设每个物体在本质上都是被一个唯一的低维表征所表示的，该低维表征 就嵌入在人们所感知到的该物体各种各样的高维观测当中。通过对异质点云进行Laplace Beltrami算子操作，可基于物体的那些复杂的难于描述的高维观测获得低维表征，以便描 述本征流形的显著性属性。此外，由于可以假设从不同视角观察到的高维观测中都潜藏着 同样一个此物体的低维流形，因此，基于Lap