智能视频监控中的遗留物或搬移物检測
遗留物或搬移物检測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旧非常高。
常见的遗留物或搬移物检測算法主要分为两类，一类是先检測，再依据检測前景在场景中的停留时间来判定是否为遗留物或搬移物。还有一类。则是先检測，然后採用跟踪方法来推断是否为遗留物或搬移物，该类方法因为目标跟踪本身存在的难点。在实际应用的场景受到了非常大的限制。
因此本文主要介绍第一类方法。
在第一类方法中，经常使用的是双背景模型。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：
在遗留物检測这块。常常遇到的问题有：
1）突然光照的变化
突然光照的变化对遗留物的检測事实上影响不到。主要影响的是检測到的前景。依据双背景模型建立的背景模型来进行遗留物检測。能够在一定程度上降低光照的影响。
2）遗留物和搬移物的推断
对遗留物和搬移物的区分是智能视频分析中的基本功能。因此对于检測到的静态目标块，怎么区分是遗留物还是搬移物呢？经常使用的做法是採用边缘自相关、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較不错的，边缘自相关对外背景比較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，能够採用直方图的变体。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，基本上能够达到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，检測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）。解决问题的方法事实上非常easy：通过对状态进行记录。採用投票法来决定究竟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终于目标快（比方。同一精巧块，标记为遗留的次数为4，标记为搬移的次数为2。则终于状态为2）。
4）静态块的闪烁处理
对于因为风吹和树叶、摇头的风扇等，因为在场景中也会长时间的被检測为前景。当做精巧块来处理。对于该种情况，能够通过统计该块的均值和方差以及长宽比来进一步确认。通常能够如果，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非常大的变化。
採用这样的处理，能够去掉非常大一部分的误判和干扰。
另外，假设採用跟踪的方法，能够进一步降低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，通常会伴随着运动目标，将精巧块与附近的运动目标进行关联。能够提高检測精度）。
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測算法
7、视频监控场景中的遗留物检測研究与实现_周金旺
能够猛戳下载：遗留物或搬移物检測相关资料
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。