一种快速的遗留物检测方法及系统的制作方法
【技术领域】
[0001]本发明涉及视频监控领域，尤其是一种快速的遗留物检测方法及系统。
【背景技术】
[0002]随着科学技术的快速发展以及信息技术的日渐完善，人们为了提高生活质量，对高科技的便捷性、安全性、高效性的要求变得越来越高。自从美国“9.11”事件发生之后，反恐成为了各个国家安全工作的重中之重，加强对不安全因素的防范措施、给人们提供一个安全的生活环境、从最大程度上打击恐怖行动已经成了全世界各个国家非常重视的安全问题。尤其在人口流动量比较大的场所，安全问题更是不容忽视的问题。以机场为例，目前中国国内有160多个正在使用的机场，并且随着中国经济的飞速发展，机场的人流量以及货物运送量逐渐增加，广州的白云机场、北京的首都机场、上海的浦东机场的每年的客运量以千万计，在这种人口高度密集的环境下，安全工作就突显的非常重要。所以对于人口密集的公共场所和一些安全级别较高的单位和部门进行实时的、全天候的视频监控就显得特别重要。
[0003]视频监控系统在各行各业都得到了广泛的应用。现实生活中，居民小区、超市、银行、机场、地铁、博物馆等都有视频监控设备。一般情况下，以上监控系统主要是由传统的闭路电视监控CCTV(Closed—Circuit Televis1n)构成的，可以对监控场景进行记录和存储，记录和存储的视频主要用于事后证据呈现，并不能对危害公共安全等犯罪行为及时发出警告，而且需要工作人员时刻监视着监控画面。由于监控点比较多，且很难做到监控画面的全显示，工作人员会对如此多的监控画面感到心有余而力不足。通过研宄发现，如果一个人连续观察2路或多路监控视频超过22分钟，那么他将会错过95%的监控场景，很难发现异常情况，但是这些错过的监控信息有可能就是非常重要的信息，也可能就在这段时间出现很多危害社会公共安全的犯罪活动。一旦出现犯罪活动或者恐怖袭击，工作人员只能通过手工的方式查询和查看每一个记录的监控视频，以便发现事件发生的时间、地点和人物等信息。此时，已经因为犯罪活动或恐怖袭击造成了无法挽回的损失。故以CCTV为主的视频监控系统并不能满足人们对安全防范的需求，监控效果也并没有人们期待的那么好。
[0004]基于计算机视觉的遗留物检测技术是物体状态分析的高级处理环节，是智能视频监控的重要组成部分，也是目前计算机领域中具有挑战性的前沿科研方向之一。在安全视频监控系统中，对遗留物体的检测在很多领域有广泛的应用，比如:用于解决实时监控地铁、车站、商场和大型广场等公共场合丢失的行李，停泊的车辆的问题。
[0005]遗留物体和被取走物体的检测是许多视频监控系统的共同任务，已经成为智能视频监控系统中一个重要组成部分。例如非法停车的检测和在公共场所无人看管的行李的检测。遗留物检测是指通过监控设备监视区域内是否出现遗留物(比如行李、包裹、碎片等)或者其他被故意遗留在监控区域内的物体(比如危险爆炸物)，如果出现了上述可疑物体，遗留物检测系统能及时发出警报，并且在视频中自动标出遗留物所在的位置。例如:当一个违反预定义规则的物体在敏感区域(如地铁、火车站、机场等监控区域)内滞留了过长的时间(该时间根据不同的应用场景预先设定)，或者超过了预先规定的时间值时就会发出警报。遗留物体检测已经成为智能视频监控系统中最重要任务之一。08年7月，在我国昆明的某辆公交车上发生的爆炸案是由遗留在公交车上的爆炸物体引起的。据相关部门统计，“基地”组织等极端武装分子在伊拉克针对伊拉克平民、伊拉克官员以及美军的各式爆炸和袭击已经导致超过4200名美军士兵和大约60多万伊拉克平民死亡，这些伤亡也主要是由事先放置的自制爆炸物造成的。
[0006]然而，目前业内的遗留物检测技术存在以下问题:
(1)容易因监控区域内物体被移走而出现“鬼影”现象或因对光照变化不敏感而出现“光影”现象，导致误报现象的发生，检测确性较低；
(2)无法减少因监控区域出现行人而引起的误报现象，准确性较低。
【发明内容】
[0007]为了解决上述技术问题，本发明的目的是:提供一种能有效减少鬼影、光影和行人引起的误报现象的，准确和快速的遗留物检测方法。
[0008]本发明的另一目的是:提供一种能有效减少鬼影、光影和行人引起的误报现象的，准确和快速的遗留物检测系统。
[0009]本发明解决其技术问题所采用的技术方案是:
一种快速的遗留物检测方法，包括:
A、读取视频帧，并根据读取的视频帧进行前景检测，得到前景目标；
B、对前景目标进行连通域处理，得到前景目标的大小和位置；
C、对连通域处理后的前景目标采用基于分散度过滤和加权滑动平均系数过滤的过滤结构进行静止目标跟踪，得到候选静止目标；
D、对候选静止目标采用基于相似度过滤、NCC过滤和角点个数过滤的串联过滤结构进行静止目标分类，得到遗留物；
E、根据得到的遗留物进行报警。
[0010]进一步，所述步骤B，其包括:
B1、对前景目标进行中值滤波和形态学处理；
B2、对形态学处理后的前景目标进行连通域处理，获取Blob目标块的大小和位置。
[0011]进一步，所述步骤C，其包括:
Cl、对连通域处理后的前景目标进行分散度过滤；
C2、对分散度过滤后的前景目标进行静止目标跟踪，筛选出初步的候选静止目标；
C3、对初步的候选静止目标进行加权滑动平均系数过滤，得到候选静止目标。
[0012]进一步，所述步骤Cl，其具体为:
计算每个Blob目标块的分散度，并将分散度大于设定的最大分散度阈值和小于设定的最小分散度阈值的blob目标块去除；其中，Blob目标块的分散度等于Blob目标块周长的平方除以Blob目标块的面积。
[0013]进一步，所述步骤C2，其包括:
C21、获取blob目标块的面积，计算blob目标块面积和跟踪矩形框面积比值，然后将比值小于0.75的blob目标块去除； C22、为静止目标的跟踪建立目标跟踪器，并设定目标跟踪器与Blob目标块的匹配条件，所述目标跟踪器包括匹配计数器和丢失计数器，所述匹配计数器用于记录目标跟踪器与Blob目标块匹配上的次数，所述丢失计数器用于记录目标跟踪器没有与Blob目标块匹配上的次数，所述目标跟踪器与Blob目标块的匹配条件包括目标面积比例和中心变化比例；
C23、根据设定的匹配条件，将当前跟踪器与每个Blob目标块进行目标匹配，若匹配成功，则令匹配计数器加一；若匹配不成功，则进入下一个目标跟踪器；若所有正在使用的跟踪器都不能匹配成功，则认为该静止目标是一个新目标，此时建立一个新的跟踪器，然后将Blob目标块的数据保存入新的跟踪器中；
C24、扫描所有跟踪器，将依旧正在使用的跟踪器的匹配计数器加一，并为匹配成功的跟踪器保留下跟踪矩形框对应位置上的灰度均值，而为没有匹配成功的跟踪器的丢失计数器加I ;
C25、判断是丢失计数器的值还是匹配计数器的值大于设定的次数阈值，若是丢失计数器的值大于设定的次数阈值，则认为目标丢失，此时将当前跟踪器去除；若匹配计数器的值大于设定的次数阈值，则当前跟踪器是初步的候选静止目标。
[0014]进一步，所述步骤C3，其包括:
C31、计算初步的候选静止目标所保留灰度均值向量的均值；
C32、将计算出的均值减去灰度均值向量中的每个元素，得到均值差向量；
C33、对均值差向量进行1*3元素加权均值滤波，所述加权均值滤波的权值等于均值差向量的标号除以均值差向量的元素个数；
C34、对加权均值滤波的结果向量求均值得到初步的候选静止目标的指数滑动平均值，并过滤掉指数滑动平均值大于设定平均阈值的Blob目标块，得到候选静止目标。
[0015]进一步，所述步骤D，其包括:
D1、对候选静止目标进行相似度过滤；
D2、对相