智能视频监控中的遗留物检测或搬移物检测

智能视频监控中的遗留物或搬移物检测

kezunhai@gmail.com

http://blog.csdn.net/kezunhai

       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）。