一种遗留物的检测方法及装置与流程

1.本发明属于视频监控领域，具体地说，涉及一种遗留物的检测方法及装置。


背景技术：

2.现有技术，在视频监控领域，遗留物体检测可以用于园区、火车站机场等多种场景下，便于实时检测监控区域是否发生了物品遗留和遗失，发现存在物品遗留及时报警并及时处理。
3.申请号为2022100966074.4的中国专利公开了一种遗留物体的检测方法、装置及存储介质，公开了利用检测图像中像素点的是否发生变化来初步确定图像中是否存在前景图像，然后对前景图像中的前景物体进行跟踪，最终判断前景物体是否为遗留物体，这样的处理方法仍然会受到光照、相机抖动、噪声变化的影响，存在检测精度较低的问题，并且计算量大。
4.有鉴于此特提出本发明。


技术实现要素：

5.本发明要解决的技术问题在于克服现有技术的不足，提供一种遗留物的检测方法及装置，能够避免光照、相机抖动等因素影响检测精度，提高了遗留物的检测精度。
6.为解决上述技术问题，本发明采用技术方案的基本构思是：
7.第一方面，本发明提供了一种遗留物检测方法，包括：
8.获取检测区域的背景图像和所述检测区域的多帧待检测图像；
9.依次将每帧待检测图像和所述背景图像输入至前景检测模型中进行检测，得到每帧待检测图像的每个前景物体的位置区域；所述位置区域为每个前景物体的外接矩形框在所述待检测图像中的区域；
10.针对每个前景物体，根据每个前景物体的位置区域对每个前景物体进行运动状态检测得到每个前景物体的运动状态检测结果；
11.针对每个前景物体，若所述检测结果为所述前景物体在预设时间内均处于静止状态，则确定所述前景物体为遗留物。
12.可选的，依次将每帧待检测图像和所述背景图像输入至前景检测模型中进行检测，得到每帧待检测图像的前景图像的位置区域，包括：
13.针对每帧待检测图像，将该帧待检测图像输入至所述前景检测模型中得到每种第一预设尺寸的待检测图像特征图；
14.将所述背景图像输入至所述前景检测模型中得到每种所述第一预设尺寸的背景图像特征图；
15.针对每种第一预设尺寸，根据该种第一预设尺寸的待检测图像特征图和该种第一预设尺寸的背景图像特征，提取得到该种第一预设尺寸的待检测图像的区别特征图；
16.将每种第一预设尺寸的区别特征图进行融合得到该帧待检测图像的总区别特征
图；
17.对所述总区别特征图进行识别得到该帧待检测图像的每个前景物体的检测信息。
18.可选的，所述检测结果包括每个前景物体在多个时刻的状态；所述针对每个前景物体，根据每个前景物体的位置区域对每个前景物体进行运动状态检测得到每个前景物体的运动状态检测结果，包括：
19.针对每个前景物体，计算该前景物体的第一位置区域和第二位置区域的重叠率，所述第一位置区域为该前景物体的外接矩形框在当前时刻的待检测图像中的区域；所述第二位置区域框为该前景物体的外接矩形框在下一时刻的待检测图像中的区域；
20.针对每个前景物体，若所述重叠率大于或等于预设阈值时，确定所述前景物体在当前时刻处于为静止状态；
21.针对每个前景物体，若所述重叠率小于所述预设阈值时，确定所述前景物体在当前时刻处于运动状态；
22.根据每个前景物体连续多个时刻的状态生成每个前景物体的运动状态检测结果。
23.可选的，针对所述前景图像中的每个待检测物体，所述针对每个前景物体，若所述检测结果为所述前景物体在预设时间内均处于静止状态，则确定所述前景物体为遗留物之后，还包括：
24.生成报警信息以使安防系统在接收到所述报警信息后响应所述报警信息。
25.可选的，所述方法还包括：
26.在确定所述待检测物体为遗留物后，更新所述检测区域的背景图像。
27.第二方面，本发明提供了一种遗留物的检测装置，包括：
28.获取模块，用于获取检测区域的背景图像和所述检测区域的多帧待检测图像；
29.第一检测模块，用于依次将每帧待检测图像和所述背景图像输入至前景检测模型中进行检测，得到每帧待检测图像的每个前景物体的位置区域；所述位置区域为每个前景物体的外接矩形框在所述待检测图像中的区域；
30.第二检测模块，用于针对每个前景物体，根据每个前景物体的位置区域对每个前景物体进行运动状态检测得到每个前景物体的运动状态检测结果；
31.确定模块，用于针对每个前景物体，若所述检测结果为所述前景物体在预设时间内均处于静止状态，则确定所述前景物体为遗留物。
32.可选的，所述第一检测模块，包括：
33.第一处理单元，用于针对每帧待检测图像，将该帧待检测图像输入至所述前景检测模型中得到每种第一预设尺寸的待检测图像特征图；
34.第二处理单元，用于将所述背景图像输入至所述前景检测模型中得到每种所述第一预设尺寸的背景图像特征图；
35.第三处理单元，用于针对每种第一预设尺寸，根据该种第一预设尺寸的待检测图像特征图和该种第一预设尺寸的背景图像特征，提取得到该种第一预设尺寸的待检测图像的区别特征图；
36.第四处理单元，用于将每种第一预设尺寸的区别特征图进行融合得到该帧待检测图像的总区别特征图；
37.检测单元，用于对所述总区别特征图进行识别得到该帧待检测图像的每个前景物
体的检测信息。
38.可选的，所述第二检测模块，包括：
39.计算单元，用于针对每个前景物体，计算该前景物体的第一位置区域和第二位置区域的重叠率，所述第一位置区域为该前景物体的外接矩形框在当前时刻的待检测图像中的区域；所述第二位置区域框为该前景物体的外接矩形框在下一时刻的待检测图像中的区域；
40.第一确定单元，用于针对每个前景物体，若所述重叠率大于或等于预设阈值时，确定所述前景物体在当前时刻处于为静止状态；
41.第二确定单元，用于针对每个前景物体，若所述重叠率小于所述预设阈值时，确定所述前景物体在当前时刻处于运动状态；
42.检测结果生成单元，用于根据每个前景物体连续多个时刻的状态生成每个前景物体的检测结果。
43.可选的，所述装置还包括：
44.报警信息生成单元，用于生成报警信息以使安防系统在接收到所述报警信息后响应所述报警信息。
45.可选的，所述装置还包括：
46.更新单元，用于在确定所述待检测物体为遗留物后，更新所述检测区域的背景图像。
47.本发明提供的一种遗留物的检测方法及装置，首先获取检测区域的背景图像和所述检测区域的多帧待检测图像；依次将每帧待检测图像和所述背景图像输入至前景检测模型中进行检测，得到每帧待检测图像的每个前景物体的位置区域；所述位置区域为每个前景物体的外接矩形框在所述待检测图像中的区域；针对每个前景物体，根据每个前景物体的位置区域对每个前景物体进行运动状态检测得到每个前景物体的运动状态检测结果；最后针对每个前景物体，只有所述检测结果为所述前景物体在预设时间内均处于静止状态，才确定所述前景物体为遗留物。
48.采用上述技术方案后，本发明与现有技术相比具有以下有益效果。
49.1、使用前景检测模型能够避免光照、相机抖动等因素影响检测精度，提高了遗留物的检测精度，同时具有任意类别前景目标检测和指定类别目标分类的能力，此外，任意类别的小目标前景检测也具有较好的表现。
50.2、训练的前景检测模型也可以对尺寸较小待检测物体进行检测，该检测方法可以应用在高空抛物等一些远距离监控的环境下。
51.3、设计的前景检测模型训练方法，不需要进行大量的人工标记数据集，也能使得训练的模型具有较强的泛化性。
52.下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
53.附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他附图。在附图中：
54.图1是本发明实施例提供的一种遗留物的检测方法的流程示意图；
55.图2是本发明实施例提供的一种遗留物的检测装置的结构示意图。
56.需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
57.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明，但不用来限制本发明的范围。
58.在本发明的描述中，需要说明的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
59.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
60.如图1所示，为本发明提供的一种遗留物的检测方法，包括：
61.s101、获取检测区域的背景图像和所述检测区域的多帧待检测图像；
62.s102、依次将每帧待检测图像和所述背景图像输入至前景检测模型中进行检测，得到每帧待检测图像的的每个前景物体的位置区域；所述位置区域为每个前景物体的外接矩形框在所述待检测图像中的区域；
63.s103、针对每个前景物体，根据每个前景物体的位置区域对每个前景物体进行运动状态检测得到每个前景物体的运动状态检测结果；
64.s104、针对每个前景物体，若所述检测结果为所述前景物体在预设时间内均处于静止状态，则确定所述前景物体为遗留物。
65.在上述步骤s101中，检测区域为要进行遗留物检测的区域，此区域可以为火车站大厅、机场、或许小区内某一区域，本技术不予以限制。
66.背景图像为检测区域内固定的背景构成的图像，背景可以由路面、建筑等静止物体物组成，待检测图像为由通过摄像头拍摄的检测区域的图像。
67.具体的，服务器获取检测区域的背景图像以及服务器对摄像头拍摄的检测区域的视频进行处理得到多帧待检测图像。
68.例如，服务器获取人工输入一张检测区域的背景图像，或者服务器从多帧待检测图像选取第n帧待检测图像作为检测区域的背景图像，本发明中选取的第20帧待检测图像作为背景图像，其中n还可以为其他数值，本发明不予以限制。
69.在上述步骤s102中，前景检测模型训练的过程也要有用于将待检测图像中包含的前景物体以及每个前景物体的检测信息提取出来前景物体指的是客观存在的具有形体的物体，比如车辆、行人、动物、商品等等。
70.检测信息包括每个前景物体在所在的待检测图像中的位置信息、每个前景物体的类别信息、该检测信息的可信度信息，其中位置信息为前景物体的外接矩形的在待检测图像中的位置区域；类别信息为前景物体所属的类别，前景物体可以属于车辆、行人、商品中的任意一种，或者，当不需要对前景进行分类时，这些前景都被归为同一类；可信度信息为此次检测结果的准确率信息。
71.具体的，针对每帧待检测图像，将该帧待检测图像和背景图像输入至前景检测模型中得到该帧待检测图像的每个前景物体的检测信息。
72.例如，以两帧待检测图像为例，这两帧待检测图像分别为待检测图像a1、待检测图像a2，背景图像为b，将待检测图像a1和背景图像b输入至前景检测模型中得到待检测图像a1中包含的全部前景物体的检测信息；同样的，将待检测图像a2和背景图像b输入至前景检测模型中得到待检测图像a2中包含的全部前景物体的检测信息。
73.为了更详细的了解，依次将每帧待检测图像和所述背景图像输入至前景检测模型中进行检测，得到每帧待检测图像的每个前景物体的检测信息，步骤s102，包括：
74.s1021，针对每帧待检测图像，将该帧待检测图像输入至所述前景检测模型中得到每种第一预设尺寸的待检测图像特征图；
75.s1022，将所述背景图像输入至所述前景检测模型中得到每种所述第一预设尺寸的背景图像特征图；
76.s1023，针对每种第一预设尺寸，根据该种第一预设尺寸的待检测图像特征图和该种第一预设尺寸的背景图像特征图，提取得到该种第一预设尺寸的待检测图像的区别特征图。
77.s1024，将每种第一预设尺寸的区别特征图进行融合得到该帧待检测图像的总区别特征图；
78.s1025，对所述总区别特征图进行识别得到该帧待检测图像的每个前景物体的检测信息。
79.在上述步骤s1021中，针对每帧待检测图像，将每帧待检测图像输入至前景检测模型中得到每种第一预设尺寸的待检测图像特征图。
80.具体的，以待检测图像a1为例，将待检测图像a1输入至前景检测模型中得到每种第一预设尺寸的待检测图像，本发明中主要涉及四种第一预设尺寸，假如第一预设尺寸分别为尺寸1、尺寸2、尺寸3和尺寸4，将待检测图像a1输入至前景检测模型中分别得到第一预设尺寸为尺寸1的待检测图像特征图a11、第一预设尺寸为尺寸2的待检测图像特征图a12、第一预设尺寸为尺寸3的待检测图像特征图a13和第一预设尺寸为尺寸4的待检测图像特征图a14。
81.在上述步骤s1022中，将检测区域的背景图像输入至前景检测模型中得到上述每种第一预设尺寸的背景图像特征图。这里每种第一预设尺寸和步骤s1021中每种第一预设尺寸是相同的。
82.具体的，以背景图像b为例，将背景图像输入至前景检测模型中得到每种第一预设尺寸的背景图像特征图，这里的第一预设尺寸也是四种第一预设尺寸，和步骤s1021中的每种第一预设尺寸大小相同：分别为尺寸1、尺寸2、尺寸3和尺寸4，将背景图像b输入至前景检测模型中分别得到第一预设尺寸为尺寸1的背景图像特征图b1、第一预设尺寸为尺寸2的背
景图像特征图b2、第一预设尺寸为尺寸3的背景图像特征图b3和第一预设尺寸为尺寸4的背景图像特征图b4。
83.在上述步骤s1023中，针对每种第一预设尺寸，根据该种第一预设尺寸的待检测图像特征图和该种第一预设尺寸的背景图像特征图，提取得到该种第一预设尺寸的待检测图像的区别特征图。
84.具体的，以第一预设尺寸为尺寸1为例，根据待检测图像特征图a11和背景图像特征图b1，提取出来待检测图像特征图a11和背景图像特征图b1相区别的部分作为在尺寸1的待检测图像的区别特征图s1，(即从将该待检测图像特征图中包含的背景图像特征部分去除得到该待检测图像的区别特征图)；以此类推，最终得到在尺寸2下的待检测图像的区别特征图、在尺寸3下的待检测图像的区别特征图s3和在尺寸4下的待检测图像区别特征图s4。
85.在上述步骤s1024中，将每种第一预设尺寸的区别特征图进行融合得到该帧待检测图像的总区别特征图。
86.具体的，以待检测图像a1为例，将上述四个尺寸的待检测图像特征图经过采样和拼接、融合处理得到融合后的该帧待检测图像的总区别特征图。
87.在上述步骤s1025中，对所述待检测图像的总区别特征图中包含的每个前景物体进行检测得到每个前景物体的位置区域。
88.具体的，以待检测图像a1的总区别特征图为例，对该总区别特征图进行识别得到3个前景物体的检测信息，例如，前景物体1的类别为植物，前景物体1的外接矩形的在待检测图像中的位置区域，以及该检测结果的可信度为a。本发明中通过对可信度阈值筛选和极大值抑制后，得到每个前景物体的位置区域。
89.其中前景检测模型是通过如下步骤训练得到的：
90.步骤1，获取背景图像训练样本集合和待检测图像训练样本集合，所述背景图像训练样本集合中包括至少一帧背景图像训练样本，所述待检测图像训练样本集合中包括至少一帧待检测图像训练样本；所述待检测图像训练样本集合中包括待检测图像训练样本和待检测图像训练样本中人工标记的前景物体的位置信息和类别信息；
91.步骤2，将每帧所述背景图像训练样本和每帧所待检测图像训练样本中的待检测图像训练样本输入至待训练的前景检测模型得到一个预测结果，将待检测图像训练样本中人工标记的前景物体的位置信息和类别信息作为标记结果输入至前景检测模型中，通过比较预测结果和标记结果的差异来对待训练的前景检测模型进行训练。
92.本发明中前景检测模型使用的主干网络是yolo-v5s的主干网络，其中主干网络也可以是主流的ssd、yolo等主流目标检测网络的特征提取主干网。在上述步骤1和步骤2中，本发明还设置有一个数据库，该数据库储存用于训练前景检测模型的背景图像训练样本和待检测图像训练样本，多个背景图像训练样本共同组成一个背景图像训练样本集合，其中背景图像训练样本至少有3000张；多个待检测图像训练样本共同组成一个待检测图像训练样本，同样的待检测图像训练样本至少有3000张。其次数据库中还包含前景物体样本集合，前景物体样本集合中包含多张前景物体训练样本，每张前景物体训练样本中包含该前景物体的分割信息。其中生成待检测图像训练样本集合的过程如下：以生成一张待检测图像训练样本为例，首先选取任意一张背景图像和多张前景物体训练样本，将上述几个前景物体
训练样本中的每个前景物体缩放到背景图像的将上述前景物体依次叠加到背景图像的任意位置上，同时根据每个前景物体的二值图分割信息，求出每个前景物体的外接矩形作为每个前景物体的目标框，并将每个目标框的位置转换到背景图像坐标系下，分别对背景图像和合成的带前景物体的待检测图像进行同参数的随机缩放和剪裁；分别对背景图像和合成的带前景图片的待检测图像进行不同参数的随机亮度和饱和度调节；分别对背景图像和合成的带前景物体的待检测图像绕中心旋转0～30度，经过上述操作即可生成一张背景图像训练样本和一张待检测图像训练样本。使用此种方式生成背景图像训练样本集合和待检测图像训练样本集合，可以较大程度上覆盖真实场景中可能出现的情况，此外通过随机转换和调节亮度的操作，可以使训练的前景检测模型具有较强的光照不变形和旋转不变性。
93.对待训练的前景检测模型进行训练时，将一张背景图像训练样本和一张待检测图像训练样本输入至待训练的前景检测模型中，待训练的前景检测模型会输出每个前景物体的识别结果，将该识别结果与待检测图像训练样本中人工标记的每个前景物体的位置信息和类别信息进行比较，如果比较差距较大，则需要对待训练的前景检测模型进行调整，如果比较结果差距较小，则说明待训练的前景检测模型的训练精度越来越高，当该比较结果达到预设测试要求时，也就是差距小于一定阈值时，待训练的前景检测模型训练结束。
94.在上述步骤s103中，检测结果用于表示待检测物体的状态是否发生变化，运动检测结果可以是表明待检测物体处于静止状态，或者是表明待检测物体是运动的。
95.具体的，针对每个前景物体，根据该前景物体的位置区域对每个前景物体进行检测得到每个前景物体的检测结果。
96.为了更详细的了解，所述检测结果包括每个前景物体在多个时刻的状态，针对每个前景物体，根据该前景物体的位置区域对每个前景物体进行运动状态检测得到每个前景物体的运动状态检测结果，步骤s103，还包括；
97.s1031，针对每个前景物体，计算该前景物体的第一位置区域和第二位置区域的重叠率，所述第一位置区域为该前景物体的外接矩形框在当前时刻的待检测图像中的区域；所述第二位置区域框为该前景物体的外接矩形框在下一时刻的待检测图像中的区域；
98.s1032，针对每个前景物体，若所述重叠率大于或等于预设阈值时，确定所述前景物体在当前时刻处于为静止状态；
99.s1033，针对每个前景物体，若所述重叠率小于所述预设阈值时，确定所述前景物体在当前时刻处于运动状态；
100.s1034，根据每个前景物体连续多个时刻的状态生成每个前景物体的检测结果。
101.在上述步骤s1031中，针对每个前景物体，计算该前景物体的第一位置区域和第二位置区域重合的区域，将重合的区域的大小与第一位置区域的大小的比值得到第一位置区域和第二位置区域的重叠率，也可以是重合的区域与第二位置区域的大小的比值得到第一位置区域和第二位置区域的重叠率。现有技术中的检测网络通过构建大量数据集，实现检测行人、车辆、商品这样的指定类别，但是现有技术中的检测网络是不能检测到除了数据集中包括的训练样本之外的前景物体，而本发明中的前景检测模型不仅能检测到训练样本中涉及到的前景物体，还能检测到除了训练样本中涉及到的前景物体之外的任意类别的前景
物体，也就是，本发明实质上可以检测到任意类别的前景物体。但是由于场景的不同、以及检测需求的不同，在实际使用前景检测模型的过程中可以通过设置预设类别，比如有些场景只需要对停留的人或车辆进行报警，则对将行人或者车辆设为预设类别；有些场景比如道路障碍物检测，需要检测除人、车以外的任意类别遗留物，则将人、车设为预设过滤类别，即使人或车在道路上进行了停留，也不会被误判为障碍物，只对待检测物体的类别符合预设类别的待检测物体进行检测，而不符合预设类别的比如行人、车辆等待检测物体进行过滤。通过提前设置预设类别的方式，实现了提前过滤掉一些已知类别的干扰，减少了数据量的统计和计算的工作量。
102.例如，以前景物体a为例，计算前景物体a的第一位置区域和第二位置区域的重复区域的大小c，第一位置区域的大小为d，将c与d的比值作为前景物体a的第一位置区域和第二位置区域的重叠率。
103.在上述步骤s1032中，针对每个前景物体，若所述重叠率大于或等于预设阈值时，则确定所述前景物体在当前时刻处于静止状态。
104.例如，本发明中预设阈值为0.85，以当前时刻的前景图像中的前景物体a为例，判断c与d的比值是否大于或等于预设阈值，如果大于或等于预设阈值，说明该前景物体a在下一时刻在检测区域中位置并没有发生变化，进而确定该前景物体a在当前时刻处于静止状态；
105.在上述步骤s1032中，如果小于预设阈值，说明前景物体a在下一时刻，在当前时刻在检测区域中位置发生变化，或者前景物体a在上一时刻没有出现，在当前时刻才出现在检测区域中，上述几种情况都有可能存在，因此说明前景物体在当前时刻并不处于静止状态，即处于运动状态
106.在上述步骤s1034中，根据每个前景物体连续多个时刻的状态生成每个前景物体的检测结果。
107.在上述步骤s104中，针对每个前景物体，若所述检测结果为所述前景物体在预设时间内均处于静止状态，则确定所述前景物体为遗留物。
108.具体的，以前景物体a为例，若前景物体在预设时间段t内均处于静止状态，进而确定前景物体a是遗留物。本发明还提供了预设时间段的计算时间，根据公式m＝t
×
fps，其中t为遗留时间阈值，fps为算法处理的帧率，m为待检测图像的帧数，本发明中通常设置1-3秒检测一次图像，因此对应的帧率范围为根据此公式可以计算出预设时间段。
109.进一步的，所述针对每个前景物体，若所述检测结果为所述前景物体在预设时间内均处于静止状态，则确定所述前景物体为遗留物，在步骤s104之后，还包括：
110.s105，生成报警信息以使安防系统在接收到所述报警信息后响应所述报警信息。
111.具体的，在确定待检测物体为遗留物后，服务器生成报警信息，并将报警信息通过服务器传输安防系统，安防系统响应该报警信息，便于通知工作人员及时处理。
112.由于本发明中是对检测区域进行长时间的监控，也就是经常在一个固定的背景中检测是否存在新出现的物体，为了避免光照、噪声、相机抖动等因素对检测的影响，需要经常对检测区域的背景图像进行定期更新，因此，为了保证在不影响检测精度的情况下，本发明还包括:
113.s106，在确定所述待检测物体为遗留物后，更新所述检测区域的背景图像。
114.具体的，在检测出遗留物并且已经生成报警信息并通知安防系统后，在这个阶段更新检测区域的背景图像并不会影响对待检测物体的状态进行检测，因此可以在此时更新检测区域的背景图像，又或者当待检测物体上相对于上一时刻，在检测区域中的位置已经发生变化，可能已经从检测区域中消失，又或者待检测物体是在当前时刻刚刚出现在待检测区域中，这些情况下不会生成报警信息，因此可以在此时更新检测区域的背景图像也不会影响对待检测物体运动状态的检测。
115.如图2所示，为本发明提供的一种遗留物的检测装置，包括：获取模块201、第一检测模块202、第二检测模块203、确定模块204：
116.获取模块201，用于获取检测区域的背景图像和所述检测区域的多帧待检测图像；
117.第一检测模块202，用于依次将每帧待检测图像和所述背景图像输入至前景检测模型中进行检测，得到每帧待检测图像的每个前景物体的位置区域；所述位置区域为每个前景物体的外接矩形框在所述待检测图像中的区域；
118.第二检测模块203，用于针对每个前景物体，根据每个前景物体的位置区域对每个前景物体进行运动状态检测得到每个前景物体的运动状态检测结果；
119.确定模块204，用于针对每个前景物体，若所述检测结果为所述前景物体在预设时间内均处于静止状态，则确定所述前景物体为遗留物。
120.可选的，所述第一检测模块，包括：
121.第一处理单元，用于针对每帧待检测图像，将该帧待检测图像输入至所述前景检测模型中得到每种第一预设尺寸的待检测图像特征图；
122.第二处理单元，用于将所述背景图像输入至所述前景检测模型中得到每种所述第一预设尺寸的背景图像特征图；
123.第三处理单元，用于针对每种第一预设尺寸，根据该种第一预设尺寸的待检测图像特征图和该种第一预设尺寸的背景图像特征提取得到该种第一预设尺寸的待检测图像的区别特征图；
124.第四处理单元，用于将每种第一预设尺寸的区别特征图进行融合得到该帧待检测图像的总区别特征图；
125.检测单元，用于对所述总区别特征图进行识别得到该帧待检测图像的每个前景物体的检测信息。
126.可选的，所述第二检测模块，包括：
127.计算单元，用于针对每个前景物体，计算该前景物体的第一位置区域和第二位置区域的重叠率，所述第一位置区域为该前景物体的外接矩形框在当前时刻的待检测图像中的区域；所述第二位置区域框为该前景物体的外接矩形框在下一时刻的待检测图像中的区域；
128.第一确定单元，用于针对每个前景物体，若所述重叠率大于或等于预设阈值时，确定所述前景物体在当前时刻处于为静止状态；
129.第二确定单元，用于针对每个前景物体，若所述重叠率小于所述预设阈值时，确定所述前景物体在当前时刻处于运动状态；
130.检测结果生成单元，用于根据每个前景物体连续多个时刻的状态生成每个前景物
体的检测结果。
131.可选的，所述装置还包括：
132.报警信息生成单元，用于生成报警信息以使安防系统在接收到所述报警信息后响应所述报警信息。
133.可选的，所述装置还包括：
134.更新单元，用于在确定所述待检测物体为遗留物后，更新所述检测区域的背景图像。
135.以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，上述实施例中的实施方案也可以进一步组合或者替换，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。