智能视频监控中的遗留物或搬移物检测
遗留物或搬移物检测是智能视频监控中的一项基本功能，基本上是智能视频监控领域的必备功能。然而，在实际应用中漏报或误判率依然很高。常见的遗留物或搬移物检测算法主要分为两类，一类是先检测，再根据检测前景在场景中的停留时间来判定是否为遗留物或搬移物；另一类，则是先检测，然后采用跟踪方法来判断是否为遗留物或搬移物，该类方法由于目标跟踪本身存在的难点，在实际应用的场景受到了很大的限制。因此本文主要介绍第一类方法。
在第一类方法中，常用的是双背景模型，有些文献又称为短时背景和长时背景（short term background and long term background），国内找到的文献基本是延续这一思想，没什么新意，建议研究或做这块的朋友留意国外的资料。下图是来自文献3：
在遗留物检测这块，经常遇到的问题有：
1）突然光照的变化
突然光照的变化对遗留物的检测其实影响不到，主要影响的是检测到的前景。根据双背景模型建立的背景模型来进行遗留物检测，可以在一定程度上减少光照的影响。
2）遗留物和搬移物的判断
对遗留物和搬移物的区分是智能视频分析中的基本功能，因此对于检测到的静态目标块，怎么区分是遗留物还是搬移物呢？常用的做法是采用边缘自相关、和颜色直方图相关，以及文献3提出的向外围通胀。个人观点，边缘自相关和颜色直方图相关是比较不错的，边缘自相关对外背景比较杂乱的效果不如颜色直方图相关。当然，为了增强直方图的可分辨性，可以采用直方图的变体。在实践中，中心加权的直方图在区分遗留物和搬移物方面的效果不错，基本上可以达到90%以上的正确区分。
3）遗留物和搬移物的跳跃
在监控过程中，检测到的静态库可能会出现遗留和搬移的跳变（即同一物体时而是遗留物、时而是搬移物）。解决这个问题的方法其实很简单：通过对状态进行记录，采用投票法来决定到底是遗留物还是搬移物，也即，同一静态块，以标记状态次数为多的为最终目标快（比如，同一静止块，标记为遗留的次数为4，标记为搬移的次数为2，则最终状态为2）。
4）静态块的闪烁处理
对于由于风吹和树叶、摇头的风扇等，由于在场景中也会长时间的被检测为前景，当做静止块来处理。对于该种情况，可以通过统计该块的均值和方差以及长宽比来进一步确认。通常可以假设，对于遗留物或搬移物，其多为刚体结构，均值、方差和长宽比不会发生很大的变化。采用这种处理，可以去掉很大一部分的误判和干扰。
另外，如果采用跟踪的方法，可以进一步减少遗留物或搬移物的误判率（这些遗留物或搬移物不会自己到这里来，一般会伴随着运动目标，将静止块与附近的运动目标进行关联，可以提高检测精度）。
推荐资料：
1、Abandoned Objects Detection in Video Surveillance System A Survey
2、left-object deteection through background modelling（ColorModel 和Texture Model(均值与周围像素比得Bitmap)
3、Real time detection of abandoned and removed objects in complex environment
4、robust detection of abandoned and removed objects in complex surveillance videos
5、An abandoned object detection system based on dual background segmentation --Singh
6、基于改进混合高斯建模和短时稳定度的遗留物检测算法
7、视频监控场景中的遗留物检测研究与实现_周金旺
可以猛戳下载： 遗留物或搬移物检测相关资料
作者： kezunhai 出处： http://blog.csdn.net/kezunhai 欢迎转载或分享，但请务必声明文章出处。