CN108241837B - 一种遗留物检测方法和装置 - Google Patents

Abstract

本发明提供一种遗留物检测方法和装置，通过在经过腐蚀和区域生长处理后的区域与疑似遗留物目标区域的面积比值小于预设第一阈值，且疑似遗留物目标区域的边缘特征点个数大于预设第二阈值时，确定疑似遗留物目标区域包含遗留物，避免了检测遗留物时对背景图像的依赖，因此，在较复杂背景情况下相对于现有检测方法，降低了遗留物检测的误报率。

Description

一种遗留物检测方法和装置

技术领域

本发明涉及智能视频分析领域，更具体地说，涉及一种遗留物检测方法和装置。

背景技术

随着计算机图像和视频技术的不断发展，近年来智能视频分析已成为计算机视觉与人工智能领域的一个重要研究方向。针对视频中出现的物体，通过对其进行检测、识别、跟踪，并且对目标行为进行相应的描述，从而实现对视频的智能分析，被广泛应用于公共安全相关系统、建筑智能化、智能交通等相关领域。近年来随着恐怖活动的多发，人们对安全防范的需求也越来越大。目前放置遗留物品是恐怖活动的主要手段之一，尤其在那些人口流动比较大的公共场所遗留物体的检测问题更不能被忽略。对于人口密集的公共场所和一些安全级别较高的部门进行实时的、全天候的遗留物体检测就变得特别重要。

而由于取走物的存在会干扰遗留物的准确判断，因此正确区分取走物与遗留物对遗留物的检测至关重要。目前常用的区分遗留物与取走物的方法有边缘检测法和区域增长法。边缘检测法是依赖于分析当前图像与背景图像在对象区域的边缘能力，如果背景边缘少于前景边缘，则认为是遗留物，否则是取走物，该方法可以在具有平滑背景的简单场景下工作，但在复杂环境中，该方法不适用。区域增长法是通过先对对象区域做腐蚀处理，然后对对象区域进行生长分割，通过比较当前图像与背景图像的分割区域面积，如果背景图像分割区域面积较大，则为遗留物，否则为取走物。该方法同样依赖于背景图像，针对较复杂背景该方法依然不适用。

发明内容

有鉴于此，本发明提出一种遗留物检测方法和装置，欲解决遗留物检测过于依赖背景图像，导致遗留物检测误报率高的技术问题。

为了解决上述技术问题，现提出的方案如下：

一种遗留物检测方法，包括：

对视频流进行分析，得到目标运动轨迹；

分析所述目标运动轨迹，对于静止时间超过预设时间阈值的目标所属的检测目标区域，确定为疑似遗留物目标区域；

对所述疑似遗留物目标区域进行腐蚀和区域生长处理；

计算所述经过腐蚀和区域生长处理后的区域与所述疑似遗留物目标区域的面积比值；

计算疑似遗留物目标区域的边缘特征点个数；

若所述面积比值小于预设第一阈值，且所述边缘特征点个数大于预设第二阈值，则确定所述疑似遗留物目标区域包含遗留物。

优选的，所述对视频流进行分析，得到目标运动轨迹，具体为：

对当前帧的前景图像进行处理得到检测目标区域；

针对当前帧中每一检测目标区域，计算其分别与前一帧中各个跟踪目标区域的相似度；

将所述相似度作为权重，利用KM算法实现所述当前帧中检测目标区域与所述前一帧中相应跟踪目标区域的匹配，得到所述目标运动轨迹。

优选的，在所述针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的相似度后，还包括：

将所述相似度中小于预设第三阈值的值设定为零。

优选的，所述针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的相似度，具体包括：

针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的距离；

针对所述距离中大于预设第四阈值的每个值，将与其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度设定为零；

针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度。

优选的，在所述针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度后，还包括：

将所述距离中大于预设第四阈值的值设定为远距离值范围，且将所述距离中不大于所述第四阈值的值设定为近距离值范围；

若所述当前帧中一个检测目标区域与所述前一帧中多个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个跟踪目标区域中包括两个以上的跟踪目标区域仅与所述一个检测目标区域之间的距离为所述近距离值范围，则将所述两个以上的跟踪目标区域分别与所述一个检测目标区域匹配，并设定所述两个以上跟踪目标区域分别与所述一个检测目标区域的相似度为零；和/或

若当前帧中多个检测目标区域与所述前一帧中一个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个检测目标区域中包括两个以上的检测目标区域仅与所述一个跟踪目标区域之间的距离为所述近距离值范围，则将所述两个以上检测目标区域分别与所述一个跟踪目标区域匹配，并设定所述两个以上检测目标区域分别与所述一个跟踪目标区域的相似度为零。

一种遗留物检测装置，包括：

目标跟踪单元，用于对视频流进行分析，得到目标运动轨迹；

疑似遗留物确定单元，用于根据目标运动轨迹，对于静止时间超过预设时间阈值的目标所述的检测目标区域，确定为疑似遗留物目标区域；

图像处理单元，用于对所述疑似遗留物目标区域进行腐蚀和区域生长处理；

面积比值计算单元，用于计算所述经过腐蚀和区域生长处理后的区域与所述疑似遗留物目标区域的面积比值；

边缘特征计算单元，用于计算疑似遗留物目标区域的边缘特征点个数；

遗留物确定单元，用于若所述面积比值小于预设第一阈值，且所述边缘特征点个数大于预设第二阈值，则确定所述疑似遗留物目标区域包含遗留物。

优选的，所述目标跟踪单元，具体包括：

目标区域获取单元，用于对当前帧的前景图像进行处理得到检测目标区域

相似度计算单元，用于针对所述当前帧中每一检测目标区域，计算所述检测目标区域分别与所述前一帧中各个跟踪目标区域的相似度；

目标匹配单元，用于将所述相似度作为权重，利用KM算法实现所述当前帧中检测目标区域与所述前一帧中相应跟踪目标区域的匹配，形成所述目标运动轨迹。

优选的，所述目标跟踪单元，还包括：

修订单元，用于在所述相似度计算单元针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的相似度后，将所述相似度中小于预设第三阈值的值设定为零。

优选的，所述相似度计算单元，包括：

距离计算单元，用于针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的距离；

第一相似度计算单元，用于针对所述距离中大于预设第四阈值的每个值，将其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度设定为零；

第二相似度计算单元，用于针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度。

优选的，所述相似度计算单元，还包括：

第一修订单元，用于在所述第二相似度计算单元针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度后，将所述距离中大于预设第四阈值的值设定为远距离值范围，且将所述距离中不大于所述第四阈值的值设定为近距离值范围；

第二修订单元，用于若所述当前帧中一个检测目标区域与所述前一帧中多个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个跟踪目标区域中包括两个以上的跟踪目标区域仅与所述一个检测目标区域之间的距离为所述近距离值范围，则将所述两个以上的跟踪目标区域分别与所述一个检测目标区域匹配，并设定所述两个以上跟踪目标区域分别与所述一个检测目标区域的相似度为零；

和/或

第三修订单元，用于若当前帧中多个检测目标区域与所述前一帧中一个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个检测目标区域中包括两个以上的检测目标区域仅与所述一个检测目标区域之间的距离为所述近距离值范围，则将所述两个以上的检测目标区域分别与所述一个跟踪目标区域匹配，并设定所述两个以上检测目标区域分别与所述一个跟踪目标区域的相似度为零。

与现有技术相比，本发明的技术方案具有以下优点：

本发明技术方案提供的一种遗留物检测方法和装置，通过在经过腐蚀和区域生长处理后的区域与疑似遗留物目标区域的面积比值小于预设第一阈值，且疑似遗留物目标区域的边缘特征点个数大于预设第二阈值时，确定疑似遗留物目标区域包含遗留物，避免了检测遗留物时对背景图像的依赖，因此，在较复杂背景情况下，相对于现有检测方法，降低了遗留物检测的误报率。

进一步地，本发明在遗留物检测方法中还优化了目标跟踪步骤，在目标跟踪过程中，首先计算当前帧与前一帧中目标区域的相似度，再将相似度作为权重，利用KM算法实现目标跟踪，即将当前帧中检测目标区域与前一帧中跟踪目标区域的匹配过程视为带权值二分图的匹配过程。当前利用现有目标跟踪算法对目标进行跟踪得到目标运动轨迹时，如果存在目标相互遮挡的情况，则容易造成跟错现象，本发明提供的利用KM算法实现目标跟踪的方法解决了上述跟踪效果并不理想的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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的附图。

图1为本发明实施例提供的一种遗留物检测方法的流程图；

图2为本发明实施例提供的一种对视频流进行分析得到目标运动轨迹的过程的流程图；

图3为本发明实施例提供的一种遗留物检测装置的结构示意图；

图4为本发明实施例提供的一种目标跟踪单元的结构示意图；

图5为本发明实施例提供的另一种目标跟踪单元的示意图；

图6为本发明实施例提供的一种相似度计算单元的示意图；

图7为本发明实施例提供的另一种相似度计算单元的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例提供了一种遗留物检测方法，参见图1所示，该方法包括：

步骤S11：对视频流进行分析，得到目标运动轨迹；

对摄像机采集的图像序列(即视频流)中每一帧图像提取前景图像，获得当前帧运动目标，通过将当前帧检测目标区域与前一帧跟踪目标区域进行匹配，进而得到目标运动轨迹。具体的，对当前帧的前景图像进行腐蚀操作，并对对应的二值图像作膨胀操作，得到当前帧的连通区域(图像中具有相同像素值且位置相邻的前景像素点组成的图像区域)，将所述连通区域称为检测目标区域。将当前帧中的检测目标区域与前一帧中的跟踪目标区域进行匹配，得到当前帧中的检测目标区域相对于前一帧中相应的跟踪目标区域的位置变化，进而得到对应目标的运动轨迹。

步骤S12：分析目标运动轨迹，对于静止时间超过预设时间阈值的目标所属对应的检测目标区域，确定为疑似遗留物目标；

分析目标运动轨迹，判断目标是否静止，若目标静止则监测其静止的时间，当目标静止时间到达一定时间时，将该目标所属的目标检测区域确定为疑似遗留物目标区域。在本发明中将当前帧中的目标区域定义为检测目标区域，将前一帧中的目标区域定义为跟踪目标区域。

步骤S13：对所述疑似遗留物目标区域进行腐蚀和区域生长处理；

腐蚀和区域生长处理均为图像处理中常用技术，本发明实施例对此不再赘述。

步骤S14：计算所述经过腐蚀和区域生长处理后的区域与所述疑似遗留物目标区域的面积比值；

经过腐蚀和区域生长处理后的区域即为对疑似遗留物目标区域进行腐蚀和区域生长处理后的得到区域。

步骤S15：计算疑似遗留物目标区域的边缘特征点个数；

对图像的边缘特征点提取为现有技术，本发明实施例对此不再赘述。

步骤S16：若所述面积比值小于预设第一阈值，且所述边缘特征点个数大于预设第二阈值，则确定所述疑似遗留物目标区域包含遗留物。

第一阈值和第二阈值均为通过多次实验选取的经验值。第一阈值和第二阈值的获取过程具体为，对第一阈值、第二阈值取多种不同的值进行遗留物检测试验，选取检测准确率最高的取值。例如，在某一办公楼进行遗留物检测试验，第一阈值和第二阈值的不同取值组合的检测准确率如下表1所示：

根据试验结果，在该办公楼进行遗留物检测时，第一阈值设定为1.5，第二阈值设定为100。需要说明的是，不同的场景的环境复杂程度不同，因此，在不同的场景进行遗留物检测前，均需进行多次实验，获取检测准确率较高的第一阈值和第二阈值取值。

通过双阈值的设定判断疑似遗留物目标区域是否包含遗留物，避免了检测遗留物时对背景图像的依赖，因此，相对于传统的遗留物检测方法，降低了遗留物检测的误报率。

在目标相互遮挡的复杂环境下，利用现有目标跟踪算法对当前帧中检测目标区域与前一帧中跟踪目标区域进行匹配，进而得到目标运动轨迹时，容易造成跟错(匹配错误)现象，跟踪技术跟踪效果并不理想。针对上述情况，本发明实施例在遗留物检测方法中优化了目标跟踪步骤，提出了结合KM算法和相似度跟踪目标的方法，具体的参见图2所示，步骤S11可以包括：

步骤S21：对当前帧的前景图像进行处理得到检测目标区域；

对当前帧的前景图像进行腐蚀和膨胀处理，得到当前帧的连通域(图像中具有相同像素值且位置相邻的前景像素点组成的图像区域)，连通域也就是检测目标区域。为防止单个检测目标区域被分为多个检测目标区域，还可以判断检测目标区域之间距离是否小于一定值，若是，则将相应的检测目标区域合并成一个检测目标区域。背景建模的方法有多种，本发明实施例优选的采用高斯混合模型进行背景建模，进而利用当前帧更新混合高斯模型，更新背景图像，获取当前帧的前景图像。

步骤S22：针对当前帧中每一检测目标区域，计算其分别与前一帧中各个跟踪目标区域的相似度；

根据预设算法计算得到当前帧中每一检测目标区域分别与前一帧中各个跟踪目标区域的相似度。具体的，可以采用YUV色彩空间描述视频信号，图像亮度信息(Y)直方图特征的运算量低，针对视频相邻帧目标的尺度变化、旋转等具有良好的鲁棒性。提取当前帧每一检测目标区域和前一帧中每一跟踪目标区域的图像亮度信息(Y)直方图特征。基于提取的图像亮度信息(Y)直方图特征计算当前帧的每一检测目标区域与前一帧的各个跟踪目标区域的相似度，具体计算公式为：

其中，ρ表示当前帧中第x个检测目标区域与前一帧中第y个跟踪目标区域的相似度，x_i表示当前帧中第x个检测目标区域的图像亮度信息(Y)直方图的第i个灰度级的特征值，y_i表示前一帧中第y个跟踪目标区域图像亮度信息(Y)直方图的第i个灰度级的特征值，n表示选用的图像亮度信息(Y)直方图的灰度级个数。将灰度值范围0～255分为n个灰度级，统计灰度值在各个灰度级的个数。

例如，当前帧中检测每一目标区域分别与前一帧中各个跟踪目标区域的相似度计算结果如下表2：

当前帧中的检测目标区域为横向的5个检测目标区域(A、B、C、D和E)，前一帧中的跟踪目标区域为纵向的6个检测目标区域(1、2、3、4、5和6)。其中，当前帧中的检测目标区域A与前一帧中的跟踪目标区域1的相似度为0.97，当前帧中的检测目标区域A与前一帧中的跟踪目标区域2的相似度为0.21。

步骤S23：将所述相似度作为权重，利用KM算法实现当前帧中检测目标区域与前一帧中相应跟踪目标区域的匹配，得到目标运动轨迹。

当前帧中检测目标区域与前一帧中的跟踪目标区域可以视为两个集合，当前帧中每个检测目标区域视为一个集合中的一个结点，前一帧中每个跟踪目标区域视为另一个集合中的一个结点，相似度ρ即为两个集合中相应结点相连边的权重，因此当前帧与前一帧中所有跟踪目标区域共同构成了一个带权二分图。利用KM算法寻找带权二分图的最佳匹配，即实现前一帧与当前帧中包含相同目标的目标区域的匹配，从而实现目标跟踪，形成目标运动轨迹。利用KM算法匹配的结果中，当匹配权值小于一定阈值时，则认为匹配不成功，针对没有匹配成功的当前帧的检测目标区域，则认为是新目标出现，针对没有匹配成功的前一帧的跟踪目标区域，则认为是目标消失。

本实施例提供的遗留物检测方法，在目标跟踪过程中，首先计算当前帧与前一帧中目标区域的相似度，再将相似度作为权重，利用KM算法实现目标跟踪，即将当前帧中检测目标区域与前一帧中跟踪目标区域的匹配过程视为带权值二分图的匹配过程。利用现有目标跟踪算法对目标进行跟踪得到目标运动轨迹时，如果存在目标相互遮挡的情况时，则容易造成目标跟错现象，本发明实施例提供的利用KM算法实现目标跟踪的方法，解决了上述跟踪效果并不理想的问题。

为了减少KM算法的计算时间，还可以在步骤S22后，将计算得到的相似度中小于预设第三阈值的值设定为零。KM算法是用于求完备匹配下的最大权匹配，该算法最大特点在于利用标杆和权重来生成一个二分子图，在该二分子图上面找最大匹配，而且当且仅当找到完备匹配，才能得到最佳匹配，权重值为零的数量越大，KM算法的计算时间越短，因此，在步骤S22后，将相似度中小于第三阈值的值设定为零，优选的，第三阈值设定为0.55。减少了利用KM算法实现目标跟踪的时间。

例如设定第三阈值为0.3，则对表1中数据修订后得到下表3：

	检测目标区域A	检测目标区域B	检测目标区域C	检测目标区域D	检测目标区域E
						跟踪目标区域1	0.97	0	0	0	0
跟踪目标区域2	0	0.96	0	0.45	0
						跟踪目标区域3	0	0.36	0	0.94	0
跟踪目标区域4	0	0	0.62	0	0
						跟踪目标区域5	0	0	0.55	0	0
跟踪目标区域6	0	0	0	0	0

为进一步减少了利用KM算法实现目标跟踪的时间，步骤S22具体的包括以下步骤：

步骤S221：针对当前帧中每一检测目标区域，计算得到其分别与前一帧中各个跟踪目标区域的距离；

步骤S222：针对计算得到的距离中大于预设第四阈值的每个值，将与其对应的当前帧中的检测目标区域与前一帧中的跟踪目标区域的相似度设定为零；

若当前帧中一个检测目标区域与前一帧中的一个跟踪目标区域的距离值大于第四阈值时，则认为其不可能包含相同的目标，因此，将其相似度设为零，进而减小后续KM算法的计算时间。第四阈值也是通过多次实验选取的经验值，具体的获取过程为，先设定第四阈值为一个较大值，然后通过试验确定第一阈值和第二阈值，再设定第四阈值为不同值进行多次实验，进而选取一个在检测遗留物时准确率没有降低的最大取值作为第四阈值。

步骤S223：针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度。

基于图像特征可以是图像亮度信息(Y)直方图特征，也可以是其它的图像特征如纹理特征或形状特征等。

为进一步解决目标间相互碰撞分开导致无法跟踪成功的问题，在步骤S223后以及步骤S23前，还可以包括：

步骤S224：将步骤S221计算得到的距离中大于预设第四阈值的值设定为远距离值范围，且将所述距离中不大于所述第四阈值的值设定为近距离值范围；

例如：远距离值范围表示为0，近距离值范围表示为1，得到当前帧中的检测目标区域与前一帧中跟踪目标区域的距离关系如下表3：

	检测目标区域A	检测目标区域B	检测目标区域C	检测目标区域D	检测目标区域E
						跟踪目标区域1	1	0	0	0	0
跟踪目标区域2	0	1	0	1	0
						跟踪目标区域3	0	1	0	1	0
跟踪目标区域4	0	0	1	0	0
						跟踪目标区域5	0	0	1	0	0
跟踪目标区域6	0	0	0	0	0

表3中的0或1表示了相应目标区域之间的距离，例如：检测目标区域A与跟踪目标区域1的距离为1，检测目标区域A与跟踪目标区域2的距离为0。

步骤S225：若当前帧中一个检测目标区域与前一帧中多个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个跟踪目标区域中包括两个以上的检测目标区域仅与所述一个检测目标区域之间的距离为所述近距离值范围，则将所述两个以上的跟踪目标区域分别与所述一个检测目标区域匹配，并设定所述两个以上跟踪目标区域分别与所述一个检测目标区域的相似度为零；

例如，表3中检测目标区域C分别与跟踪目标区域4和跟踪目标区域5中的距离为1，且跟踪目标区域4和跟踪目标区域5仅与检测目标区域C的距离为1，则认为跟踪目标区域4与跟踪目标区域5包含的目标在当前帧中的检测目标区域C发生碰撞，则将跟踪目标区域4和跟踪目标5分别与检测目标区域C匹配，实现两个目标的跟踪。并将跟踪目标区域4和跟踪目标区域5分别与检测目标区域C的相似度设定为零。避免后续使用KM算法匹配导致目标碰撞时的目标跟丢问题。

步骤S226：若当前帧中多个检测目标区域与所述前一帧中一个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个检测目标区域中包括两个以上的检测目标区域仅与所述一个跟踪目标区域之间的距离为所述近距离值范围，则将所述两个以上的检测目标区域分别与所述一个跟踪目标区域匹配，并设定所述两个以上的检测目标区域分别与所述一个跟踪目标区域的相似度为零。

步骤S225为针对目标在当前帧发生碰撞的处理情况，步骤S226为针对目标在当前帧发生分离的处理情况，如下表4。

	检测目标区域A	检测目标区域B	检测目标区域C	检测目标区域D	检测目标区域E
						跟踪目标区域1	1	0	0	0	0
跟踪目标区域2	0	0	0	0	0
						跟踪目标区域3	0	1	0	1	0
跟踪目标区域4	0	0	1	0	0
						跟踪目标区域5	0	0	0	0	1
跟踪目标区域6	0	0	0	0	0

表4中，当前帧的检测目标区域B和检测目标区域D与前一帧的跟踪目标区域3均为1，且检测目标区域B和检测目标区域D仅与前一帧的跟踪目标区域3为1，则认为前一帧的跟踪目标区域3包含两个目标，这两个目标在当前帧发生分离，对应检测目标区域B和检测目标区域D，将跟踪目标区域3分别与检测目标区域B和检测目标区域D匹配，实现两个目标的跟踪，并将跟踪目标区域3分别与检测目标区域B和检测目标区域D的相似度设定为零。避免后续使用KM算法匹配导致目标分离时的目标跟丢问题。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。

本实施例提供一种遗留物检测装置，参见图3所述，该装置包括：

目标跟踪单元11，用于对视频流进行分析，得到目标运动轨迹；

疑似遗留物确定单元12，用于根据目标运动轨迹，对于静止时间超过预设时间阈值的目标所属的检测目标区域，确定为疑似遗留物目标；

图像处理单元13，用于对所述疑似遗留物目标区域进行腐蚀和区域生长处理；

面积比值计算单元14，用于计算所述经过腐蚀和区域生长处理后的区域与所述疑似遗留物目标区域的面积比值：

边缘特征计算单元15，用于计算疑似遗留物目标区域的边缘特征点个数；

遗留物确定单元16，用于若所述面积比值小于预设第一阈值，且所述边缘特征点个数大于预设第二阈值，则确定所述疑似遗留物目标区域包含遗留物。

参见图4所述，目标跟踪单元11具体的可以包括：

目标区域获取单元111，用于对当前帧的前景图像进行处理得到检测目标区域

相似度计算单元112，用于针对所述当前帧中每一检测目标区域，计算所述检测目标区域分别与所述前一帧中各个跟踪目标区域的相似度；

目标匹配单元113，用于将所述相似度作为权重，利用KM算法实现所述当前帧中检测目标区域与所述前一帧中相应跟踪目标区域的匹配，形成所述目标运动轨迹。

参见图5所述，目标跟踪单元11还可以包括：

修订单元114，用于在相似度计算单元112针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的相似度后，将所述相似度中小于预设第三阈值的值设定为零。

参见图6所示，相似度计算单元112，具体的可以包括：

距离计算单元1121，用于针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的距离；

第一相似度计算单元1122，用于针对所述距离中大于预设第四阈值的每个值，将其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度设定为零；

第二相似度计算单元1123，用于针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度。

参见图7所示，相似度计算单元112，具体的还可以包括：第一修订单元1124，以及第二修订单元1125和/或第三修订单元1126。

第一修订单元1124，用于在所述第二相似度计算单元1123针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度后，将所述距离中大于预设第四阈值的值设定为远距离值范围，且将所述距离中不大于所述第四阈值的值设定为近距离值范围；

第二修订单元1125，用于若所述当前帧中一个检测目标区域与所述前一帧中多个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个跟踪目标区域中包括两个以上的跟踪目标区域仅与所述一个检测目标区域之间的距离为所述近距离值范围，则将所述两个以上的跟踪目标区域分别与所述一个检测目标区域匹配，并设定所述两个以上的跟踪目标区域分别与所述一个检测目标区域的相似度为零；

第三修订单元1126，用于若当前帧中多个检测目标区域与所述前一帧中一个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个检测目标区域中包括两个以上的检测目标区域仅与所的述一个跟踪目标区域之间的距离为所述近距离值范围，则将所述两个以上的检测目标区域分别与所述一个跟踪目标区域匹配，并设定所述两个以上的检测目标区域分别与所述一个跟踪目标区域的相似度为零。

对于装置实施例而言，由于其基本相应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对本发明所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种遗留物检测方法，其特征在于，包括：

对视频流进行分析，得到目标运动轨迹；所述对视频流进行分析，得到目标运动轨迹，具体为：对当前帧的前景图像进行处理得到检测目标区域；针对所述当前帧中每一检测目标区域，计算其分别与前一帧中各个跟踪目标区域的相似度；将所述相似度作为权重，利用KM算法实现所述当前帧中检测目标区域与所述前一帧中相应跟踪目标区域的匹配，得到所述目标运动轨迹；

分析所述目标运动轨迹，对于静止时间超过预设时间阈值的目标所属的检测目标区域，确定为疑似遗留物目标区域；

对所述疑似遗留物目标区域进行腐蚀和区域生长处理；

计算经过腐蚀和区域生长处理后的区域与所述疑似遗留物目标区域的面积比值；

计算所述疑似遗留物目标区域的边缘特征点个数；

若所述面积比值小于预设第一阈值，且所述边缘特征点个数大于预设第二阈值，则确定所述疑似遗留物目标区域包含遗留物。

2.根据权利要求1所述的方法，其特征在于，在所述针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的相似度后，还包括：

将所述相似度中小于预设第三阈值的值设定为零。

3.根据权利要求1所述的方法，其特征在于，所述针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的相似度，具体包括：

针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的距离；

针对所述距离中大于预设第四阈值的每个值，将与其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度设定为零；

针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度。

4.根据权利要求3所述的方法，其特征在于，在所述针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度后，还包括：

将所述距离中大于预设第四阈值的值设定为远距离值范围，且将所述距离中不大于所述第四阈值的值设定为近距离值范围；

若所述当前帧中一个检测目标区域与所述前一帧中多个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个跟踪目标区域中包括两个以上的跟踪目标区域仅与所述一个检测目标区域之间的距离为所述近距离值范围，则将所述两个以上的跟踪目标区域分别与所述一个检测目标区域匹配，并设定所述两个以上的跟踪目标区域分别与所述一个检测目标区域的相似度为零；和/或

若当前帧中多个检测目标区域与所述前一帧中一个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个检测目标区域中包括两个以上的检测目标区域仅与所述一个跟踪目标区域之间的距离为所述近距离值范围，则将所述两个以上的检测目标区域分别与所述一个跟踪目标区域匹配，并设定所述两个以上的检测目标区域分别与所述一个跟踪目标区域的相似度为零。

5.一种遗留物检测装置，其特征在于，包括：

目标跟踪单元，用于对视频流进行分析，得到目标运动轨迹；所述目标跟踪单元，具体包括：

目标区域获取单元，用于对当前帧的前景图像进行处理得到检测目标区域；

相似度计算单元，用于针对所述当前帧中每一检测目标区域，计算所述检测目标区域分别与前一帧中各个跟踪目标区域的相似度；

目标匹配单元，用于将所述相似度作为权重，利用KM算法实现所述当前帧中检测目标区域与所述前一帧中相应跟踪目标区域的匹配，形成所述目标运动；

疑似遗留物确定单元，用于根据目标运动轨迹，对于静止时间超过预设时间阈值的目标所属的检测目标区域，确定为疑似遗留物目标区域；

图像处理单元，用于对所述疑似遗留物目标区域进行腐蚀和区域生长处理；

面积比值计算单元，用于计算经过腐蚀和区域生长处理后的区域与所述疑似遗留物目标区域的面积比值；

边缘特征计算单元，用于计算所述疑似遗留物目标区域的边缘特征点个数；

遗留物确定单元，用于若所述面积比值小于预设第一阈值，且所述边缘特征点个数大于预设第二阈值，则确定所述疑似遗留物目标区域包含遗留物。

6.根据权利要求5所述的装置，其特征在于，所述目标跟踪单元，还包括：

修订单元，用于在所述相似度计算单元针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的相似度后，将所述相似度中小于预设第三阈值的值设定为零。

7.根据权利要求5所述的装置，其特征在于，所述相似度计算单元，包括：

距离计算单元，用于针对所述当前帧中每一检测目标区域，计算其分别与所述前一帧中各个跟踪目标区域的距离；

第一相似度计算单元，用于针对所述距离中大于预设第四阈值的每个值，将其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度设定为零；

第二相似度计算单元，用于针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度。

8.根据权利要求7所述的装置，其特征在于，所述相似度计算单元，还包括：

第一修订单元，用于在所述第二相似度计算单元针对所述距离中不大于预设第四阈值的每个值，基于图像特征计算其对应的所述当前帧中的检测目标区域与所述前一帧中的跟踪目标区域的相似度后，将所述距离中大于预设第四阈值的值设定为远距离值范围，且将所述距离中不大于所述第四阈值的值设定为近距离值范围；

第二修订单元，用于若所述当前帧中一个检测目标区域与所述前一帧中多个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个跟踪目标区域中包括两个以上的跟踪目标区域仅与所述一个检测目标区域之间的距离为所述近距离值范围，则将所述两个以上跟踪目标区域分别与所述一个检测目标区域匹配，并设定所述两个以上跟踪目标区域分别与所述一个检测目标区域的相似度为零；和/或

第三修订单元，用于若当前帧中多个检测目标区域与所述前一帧中一个跟踪目标区域之间的距离均为所述近距离值范围，且所述多个检测目标区域中包括两个以上的检测目标区域仅与所述一个检测目标区域之间的距离为所述近距离值范围，则将所述两个以上的检测目标区域分别与所述一个跟踪目标区域匹配，并设定所述两个以上的检测目标区域分别与所述一个跟踪目标区域的相似度为零。

Images