技術(shù)特征：
1.一種基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)方法，其特征在于，包括如下步驟：步驟1，在視頻幀中檢測(cè)人體，得到所述視頻幀中的人體檢測(cè)集合；步驟2，對(duì)所述的人體檢測(cè)集合中的人體進(jìn)行跟蹤；步驟3，根據(jù)所述人體檢測(cè)集合和人體跟蹤的結(jié)果，進(jìn)行學(xué)習(xí)和更新人體特征模型；步驟4，存儲(chǔ)和管理人體特征模型，得到匹配的人體特征模型，并在新的輸入視頻幀中進(jìn)行人體重現(xiàn)檢測(cè)；其中所述人體特征模型包換活躍的分類器與非活躍的分類器，每隔n幀檢測(cè)人體，得到人體檢測(cè)集合BD，若人體檢測(cè)集合BD不為空，則將人體檢測(cè)集合BD中每個(gè)檢測(cè)框作為初始標(biāo)定位置初始化一個(gè)活躍的分類器，并將初始化的活躍的分類器加入到活躍的分類器集合TA中；接下來(lái)的每一幀，活躍的分類器集合TA中的分類器都對(duì)人體進(jìn)行跟蹤且同時(shí)進(jìn)行在線人體特征模型的更新，活躍的分類器集合TA對(duì)應(yīng)的人體檢測(cè)集合為BT，若人體從視頻中消失，將消失的人體對(duì)應(yīng)的分類器狀態(tài)置為非活躍狀態(tài)，加入到非活躍分類器集合TI中；若人體檢測(cè)集合BD中的檢測(cè)框Bi與BT的所有跟蹤框的交集面積比例小于一閾值，則Bi屬于新進(jìn)入攝像機(jī)的人，判斷非活躍分類器集合TI中是否存在新進(jìn)入攝像機(jī)的人的分類器。2.如權(quán)利要求1所述的基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)方法，其特征在于，所述步驟1還包括：步驟21，采用圖像窗口掃描的方式，使用人體檢測(cè)器在圖像金字塔中檢測(cè)人體；當(dāng)人體出現(xiàn)在視頻幀中，輸出人體所在的矩形框。3.如權(quán)利要求2所述的基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)方法，其特征在于，所述步驟21還包括：步驟31，收集標(biāo)注好的人體圖像窗口和非人體圖像窗口作為訓(xùn)練數(shù)據(jù)，并對(duì)訓(xùn)練數(shù)據(jù)提取特征；步驟32，基于提取到的圖像特征表示，通過(guò)統(tǒng)計(jì)學(xué)習(xí)的方式，學(xué)習(xí)人體圖像窗口分類器來(lái)區(qū)分某一圖像窗口中是否包含人體；步驟33，對(duì)于輸入圖像在各個(gè)尺度重采樣，構(gòu)成圖像金字塔，對(duì)圖像金字塔的每一個(gè)圖像重采樣的圖像提取圖像特征；步驟34，對(duì)圖像金字塔中的每一個(gè)圖像窗口進(jìn)行分類，找出所有人體特征的檢測(cè)窗口；步驟35，利用聚類方法對(duì)分類結(jié)果進(jìn)行去重復(fù)檢測(cè)的操作。4.如權(quán)利要求1所述的基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)方法，其特征在于，所述步驟2還包括：步驟41，采用光流特征，預(yù)測(cè)目標(biāo)物體的位置和尺度；步驟42，對(duì)于人體檢測(cè)的結(jié)果初始化目標(biāo)跟蹤算法；步驟43，在視頻的當(dāng)前幀和下一幀中提取光流，給與光流預(yù)測(cè)目標(biāo)物體在下一幀的位置和大??；步驟44，輸出跟蹤結(jié)果的可信度。5.如權(quán)利要求1所述的基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)方法，其特征在于，所述步驟3還包括：步驟51，使用人體檢測(cè)和人體跟蹤的結(jié)果作為輸入數(shù)據(jù)，對(duì)于每一個(gè)被檢測(cè)并連續(xù)跟蹤到的人體建立一個(gè)人體特征模型；步驟52，在之后的視頻幀處理中，利用所述人體特征模型來(lái)檢測(cè)視頻幀中重現(xiàn)的人體，并利用檢測(cè)到的重現(xiàn)人體更新其對(duì)應(yīng)的人體特征模型。6.如權(quán)利要求5所述的基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)方法，其特征在于，所述步驟51還包括：步驟61，判斷輸入視頻幀的人體檢測(cè)結(jié)果中是否包含新出現(xiàn)的人體；步驟62，如果是新出現(xiàn)的人體，對(duì)其訓(xùn)練人體特征模型，并加入人體特征模型集合中；步驟63，反之，將人體檢測(cè)與人體跟蹤結(jié)果關(guān)聯(lián)起來(lái)，基于所述人體檢測(cè)與人體跟蹤結(jié)果更新其對(duì)應(yīng)的人體特征模型。7.如權(quán)利要求1所述的基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)方法，其特征在于，所述步驟4之后還包括：步驟5，記錄已經(jīng)建立的人體特征模型的被訪問(wèn)時(shí)間，長(zhǎng)期不被訪問(wèn)的人體特征模型都被刪除掉。8.如權(quán)利要求1所述的基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)方法，其特征在于，所述步驟4還包括：步驟81，在管理人體特征模型時(shí)，間隔N幀之后，重新進(jìn)行人體檢測(cè)，并將人體檢測(cè)結(jié)果比對(duì)已經(jīng)建立的人體特征模型，所述N為大于等于1的自然數(shù)；步驟82，對(duì)于沒(méi)有匹配的人體特征模型的人體檢測(cè)過(guò)程，重復(fù)執(zhí)行步驟1至步驟4；步驟83，對(duì)于被匹配的人體特征模型，利用步驟81中人體檢測(cè)結(jié)果對(duì)人體特征模型進(jìn)行更新。9.一種基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)系統(tǒng)，其特征在于，包括：人體檢測(cè)模塊，用于在視頻幀中檢測(cè)人體，得到所述視頻幀中的人體檢測(cè)集合；目標(biāo)跟蹤模塊，用于對(duì)所述的人體檢測(cè)集合中的人體進(jìn)行跟蹤；學(xué)習(xí)與更新模塊，用于根據(jù)所述人體檢測(cè)集合和人體跟蹤的結(jié)果，進(jìn)行學(xué)習(xí)和更新人體特征模型；存儲(chǔ)與管理模塊，用于存儲(chǔ)和管理人體特征模型，得到匹配的人體特征模型并在新的輸入視頻幀中進(jìn)行人體重現(xiàn)檢測(cè)；其中所述人體特征模型包換活躍的分類器與非活躍的分類器，每隔n幀檢測(cè)人體，得到人體檢測(cè)集合BD，若人體檢測(cè)集合BD不為空，則將人體檢測(cè)集合BD中每個(gè)檢測(cè)框作為初始標(biāo)定位置初始化一個(gè)活躍的分類器，并將初始化的活躍的分類器加入到活躍的分類器集合TA中；接下來(lái)的每一幀，活躍的分類器集合TA中的分類器都對(duì)人體進(jìn)行跟蹤且同時(shí)進(jìn)行在線人體特征模型的更新，活躍的分類器集合TA對(duì)應(yīng)的人體檢測(cè)集合為BT，若人體從視頻中消失，將消失的人體對(duì)應(yīng)的分類器狀態(tài)置為非活躍狀態(tài)，加入到非活躍分類器集合TI中；若人體檢測(cè)集合BD中的檢測(cè)框Bi與BT的所有跟蹤框的交集面積比例小于一閾值，則Bi屬于新進(jìn)入攝像機(jī)的人，判斷非活躍分類器集合TI中是否存在新進(jìn)入攝像機(jī)的人的分類器。10.如權(quán)利要求9所述的基于在線學(xué)習(xí)的人體重現(xiàn)檢測(cè)系統(tǒng)，其特征在于，所述人體檢測(cè)模塊還包括：提取視頻幀模塊，用于提取視頻幀中圖像特征，并采用圖像窗口掃描，在圖像金字塔中檢測(cè)人體；當(dāng)人體出現(xiàn)在視頻幀中，輸出人體所在的矩形框。11.如權(quán)利要求10所述的基于在線學(xué)習(xí)人體重現(xiàn)檢測(cè)系統(tǒng)，其特征在于，所述提取視頻幀模塊還包括：訓(xùn)練數(shù)據(jù)模塊，用于收集標(biāo)注好的人體圖像窗口和非人體圖像窗口作為訓(xùn)練數(shù)據(jù)，并對(duì)訓(xùn)練數(shù)據(jù)提取特征；統(tǒng)計(jì)學(xué)習(xí)模塊，用于基于提取到的圖像特征表示，通過(guò)統(tǒng)計(jì)學(xué)習(xí)的方式，學(xué)習(xí)人體圖像窗口分類器來(lái)區(qū)分某一圖像窗口中是否包含人體；圖像金字塔模塊，用于對(duì)于輸入圖像在各個(gè)尺度重采樣，構(gòu)成圖像金字塔，對(duì)圖像金字塔的每一個(gè)圖像重采樣的圖像提取圖像特征；窗口分類模塊，用于對(duì)圖像金字塔中的每一個(gè)圖像窗口進(jìn)行分類，找出所有人體特征的檢測(cè)窗口；聚類模塊，用于利用聚類方法對(duì)分類結(jié)果進(jìn)行去重復(fù)檢測(cè)的操作。12.如權(quán)利要求9所述的基于在線學(xué)習(xí)人體重現(xiàn)檢測(cè)系統(tǒng)，其特征在于，所述目標(biāo)跟蹤模塊還包括：光流特征模塊，用于采用光流特征，預(yù)測(cè)目標(biāo)物體的位置和尺度；初始化模塊，用于對(duì)于人體檢測(cè)的結(jié)果初始化目標(biāo)跟蹤算法；光流預(yù)測(cè)模塊，用于在視頻幀的當(dāng)前幀和下一幀中提取光流，給與光流預(yù)測(cè)目標(biāo)物體在下一幀的位置和大??；輸出模塊，用于輸出跟蹤結(jié)果的可信度。13.如權(quán)利要求9所述的基于在線學(xué)習(xí)人體重現(xiàn)檢測(cè)系統(tǒng)，其特征在于，所述學(xué)習(xí)與更新模塊還包括：建立人體特征模型模塊，用于對(duì)于人體檢測(cè)和人體跟蹤的結(jié)果作為輸入數(shù)據(jù)，對(duì)于每一個(gè)新檢測(cè)到的人體建立一個(gè)人體特征模型；更新人體特征模型模塊，用于在之后的視頻幀處理中，利用所述人體特征模型來(lái)檢測(cè)視頻幀中的人體重現(xiàn)，并利用重現(xiàn)的人體來(lái)更新其對(duì)應(yīng)的人體特征模型。14.如權(quán)利要求13所述的基于在線學(xué)習(xí)人體重現(xiàn)檢測(cè)系統(tǒng)，其特征在于，所述建立人體特征模型模塊還包括：判斷檢測(cè)結(jié)果模塊，用于判斷新獲得的人體檢測(cè)結(jié)果中是否包含新出現(xiàn)的人體；訓(xùn)練模塊，用于如果是新出現(xiàn)的人體，訓(xùn)練人體表觀的模型，并加入到人體檢測(cè)集合中；結(jié)果關(guān)聯(lián)模塊，用于將人體檢測(cè)與人體跟蹤結(jié)果關(guān)聯(lián)起來(lái)，基于所述人體檢測(cè)與人體跟蹤結(jié)果更新當(dāng)前的人體特征模型。15.如權(quán)利要求9所述的基于在線學(xué)習(xí)人體重現(xiàn)檢測(cè)系統(tǒng)，其特征在于，還包括：記錄更新模塊，用于記錄已經(jīng)建立的人體特征模型的被訪問(wèn)時(shí)間，不被訪問(wèn)的人體特征模型都被刪除掉。16.如權(quán)利要求9所述的基于在線學(xué)習(xí)人體重現(xiàn)檢測(cè)系統(tǒng)，其特征在于，存儲(chǔ)與管理模塊還包括：重新檢測(cè)模塊，用于在管理人體特征模型時(shí)，間隔N幀之后，重新進(jìn)行人體檢測(cè)，并將人體檢測(cè)結(jié)果比對(duì)已經(jīng)建立的人體特征模型，所述N為大于等于1的自然數(shù)；重復(fù)執(zhí)行模塊，用于對(duì)于沒(méi)有匹配的人體特征模型的人體檢測(cè)過(guò)程，重復(fù)執(zhí)行操作；匹配人體特征模型模塊，用于對(duì)于被匹配的人體特征模型，利用重新檢測(cè)模塊中人體檢測(cè)結(jié)果對(duì)人體特征模型進(jìn)行更新。