一種快速的遺留物檢測方法及系統的制作方法
【技術領域】
[0001]本發明涉及視頻監控領域，尤其是一種快速的遺留物檢測方法及系統。
【背景技術】
[0002]隨著科學技術的快速發展以及信息技術的日漸完善，人們為了提高生活質量，對高科技的便捷性、安全性、高效性的要求變得越來越高。自從美國“9.11”事件發生之后，反恐成為了各個國家安全工作的重中之重，加強對不安全因素的防范措施、給人們提供一個安全的生活環境、從最大程度上打擊恐怖行動已經成了全世界各個國家非常重視的安全問題。尤其在人口流動量比較大的場所，安全問題更是不容忽視的問題。以機場為例，目前中國國內有160多個正在使用的機場，并且隨著中國經濟的飛速發展，機場的人流量以及貨物運送量逐漸增加，廣州的白云機場、北京的首都機場、上海的浦東機場的每年的客運量以千萬計，在這種人口高度密集的環境下，安全工作就突顯的非常重要。所以對于人口密集的公共場所和一些安全級別較高的單位和部門進行實時的、全天候的視頻監控就顯得特別重要。
[0003]視頻監控系統在各行各業都得到了廣泛的應用。現實生活中，居民小區、超市、銀行、機場、地鐵、博物館等都有視頻監控設備。一般情況下，以上監控系統主要是由傳統的閉路電視監控CCTV(Closed—Circuit Televis1n)構成的，可以對監控場景進行記錄和存儲，記錄和存儲的視頻主要用于事后證據呈現，并不能對危害公共安全等犯罪行為及時發出警告，而且需要工作人員時刻監視著監控畫面。由于監控點比較多，且很難做到監控畫面的全顯示，工作人員會對如此多的監控畫面感到心有余而力不足。通過研宄發現，如果一個人連續觀察2路或多路監控視頻超過22分鐘，那么他將會錯過95%的監控場景，很難發現異常情況，但是這些錯過的監控信息有可能就是非常重要的信息，也可能就在這段時間出現很多危害社會公共安全的犯罪活動。一旦出現犯罪活動或者恐怖襲擊，工作人員只能通過手工的方式查詢和查看每一個記錄的監控視頻，以便發現事件發生的時間、地點和人物等信息。此時，已經因為犯罪活動或恐怖襲擊造成了無法挽回的損失。故以CCTV為主的視頻監控系統并不能滿足人們對安全防范的需求，監控效果也并沒有人們期待的那么好。
[0004]基于計算機視覺的遺留物檢測技術是物體狀態分析的高級處理環節，是智能視頻監控的重要組成部分，也是目前計算機領域中具有挑戰性的前沿科研方向之一。在安全視頻監控系統中，對遺留物體的檢測在很多領域有廣泛的應用，比如:用于解決實時監控地鐵、車站、商場和大型廣場等公共場合丟失的行李，停泊的車輛的問題。
[0005]遺留物體和被取走物體的檢測是許多視頻監控系統的共同任務，已經成為智能視頻監控系統中一個重要組成部分。例如非法停車的檢測和在公共場所無人看管的行李的檢測。遺留物檢測是指通過監控設備監視區域內是否出現遺留物(比如行李、包裹、碎片等)或者其他被故意遺留在監控區域內的物體(比如危險爆炸物)，如果出現了上述可疑物體，遺留物檢測系統能及時發出警報，并且在視頻中自動標出遺留物所在的位置。例如:當一個違反預定義規則的物體在敏感區域(如地鐵、火車站、機場等監控區域)內滯留了過長的時間(該時間根據不同的應用場景預先設定)，或者超過了預先規定的時間值時就會發出警報。遺留物體檢測已經成為智能視頻監控系統中最重要任務之一。08年7月，在我國昆明的某輛公交車上發生的爆炸案是由遺留在公交車上的爆炸物體引起的。據相關部門統計，“基地”組織等極端武裝分子在伊拉克針對伊拉克平民、伊拉克官員以及美軍的各式爆炸和襲擊已經導致超過4200名美軍士兵和大約60多萬伊拉克平民死亡，這些傷亡也主要是由事先放置的自制爆炸物造成的。
[0006]然而，目前業內的遺留物檢測技術存在以下問題:
(1)容易因監控區域內物體被移走而出現“鬼影”現象或因對光照變化不敏感而出現“光影”現象，導致誤報現象的發生，檢測確性較低；
(2)無法減少因監控區域出現行人而引起的誤報現象，準確性較低。

【發明內容】

[0007]為了解決上述技術問題，本發明的目的是:提供一種能有效減少鬼影、光影和行人引起的誤報現象的，準確和快速的遺留物檢測方法。
[0008]本發明的另一目的是:提供一種能有效減少鬼影、光影和行人引起的誤報現象的，準確和快速的遺留物檢測系統。
[0009]本發明解決其技術問題所采用的技術方案是:
一種快速的遺留物檢測方法，包括:
A、讀取視頻幀，并根據讀取的視頻幀進行前景檢測，得到前景目標；
B、對前景目標進行連通域處理，得到前景目標的大小和位置；
C、對連通域處理后的前景目標采用基于分散度過濾和加權滑動平均系數過濾的過濾結構進行靜止目標跟蹤，得到候選靜止目標；
D、對候選靜止目標采用基于相似度過濾、NCC過濾和角點個數過濾的串聯過濾結構進行靜止目標分類，得到遺留物；
E、根據得到的遺留物進行報警。
[0010]進一步，所述步驟B，其包括:
B1、對前景目標進行中值濾波和形態學處理；
B2、對形態學處理后的前景目標進行連通域處理，獲取Blob目標塊的大小和位置。
[0011]進一步，所述步驟C，其包括:
Cl、對連通域處理后的前景目標進行分散度過濾；
C2、對分散度過濾后的前景目標進行靜止目標跟蹤，篩選出初步的候選靜止目標；
C3、對初步的候選靜止目標進行加權滑動平均系數過濾，得到候選靜止目標。
[0012]進一步，所述步驟Cl，其具體為:
計算每個Blob目標塊的分散度，并將分散度大于設定的最大分散度閾值和小于設定的最小分散度閾值的blob目標塊去除；其中，Blob目標塊的分散度等于Blob目標塊周長的平方除以Blob目標塊的面積。
[0013]進一步，所述步驟C2，其包括:
C21、獲取blob目標塊的面積，計算blob目標塊面積和跟蹤矩形框面積比值，然后將比值小于0.75的blob目標塊去除； C22、為靜止目標的跟蹤建立目標跟蹤器，并設定目標跟蹤器與Blob目標塊的匹配條件，所述目標跟蹤器包括匹配計數器和丟失計數器，所述匹配計數器用于記錄目標跟蹤器與Blob目標塊匹配上的次數，所述丟失計數器用于記錄目標跟蹤器沒有與Blob目標塊匹配上的次數，所述目標跟蹤器與Blob目標塊的匹配條件包括目標面積比例和中心變化比例；
C23、根據設定的匹配條件，將當前跟蹤器與每個Blob目標塊進行目標匹配，若匹配成功，則令匹配計數器加一；若匹配不成功，則進入下一個目標跟蹤器；若所有正在使用的跟蹤器都不能匹配成功，則認為該靜止目標是一個新目標，此時建立一個新的跟蹤器，然后將Blob目標塊的數據保存入新的跟蹤器中；
C24、掃描所有跟蹤器，將依舊正在使用的跟蹤器的匹配計數器加一，并為匹配成功的跟蹤器保留下跟蹤矩形框對應位置上的灰度均值，而為沒有匹配成功的跟蹤器的丟失計數器加I ;
C25、判斷是丟失計數器的值還是匹配計數器的值大于設定的次數閾值，若是丟失計數器的值大于設定的次數閾值，則認為目標丟失，此時將當前跟蹤器去除；若匹配計數器的值大于設定的次數閾值，則當前跟蹤器是初步的候選靜止目標。
[0014]進一步，所述步驟C3，其包括:
C31、計算初步的候選靜止目標所保留灰度均值向量的均值；
C32、將計算出的均值減去灰度均值向量中的每個元素，得到均值差向量；
C33、對均值差向量進行1*3元素加權均值濾波，所述加權均值濾波的權值等于均值差向量的標號除以均值差向量的元素個數；
C34、對加權均值濾波的結果向量求均值得到初步的候選靜止目標的指數滑動平均值，并過濾掉指數滑動平均值大于設定平均閾值的Blob目標塊，得到候選靜止目標。
[0015]進一步，所述步驟D，其包括:
D1、對候選靜止目標進行相似度過濾；
D2、對相