CN112560655A - 无主物品检测方法和系统 - Google Patents

Abstract

公开了一种用于检测环境中的无主物品的方法，包括：获取输入视频图像；针对输入视频图像中的当前帧中的每一个像素点，利用经训练的基于混合高斯模型GMM的背景模型来判断该像素点是否为静态像素点；基于各个像素点的状态判断来检测静态区域；以及判断检测到的静态区域是否为无主物品。该方法首先针对各个像素采用GMM对视频帧信息进行建模，然后基于经训练的GMM模型确认像素在当前帧中的状态，从而得到达到一定时间的静态区域。接着，该方法利用运动目标检测算法确认静态区域的类型，排除静止的人员或车辆等影响；最后利用借助于区域生长算法判断该静态区域是因发生了无主物品的闲置还是因发生了无主物品的搬移而产生的。

Description

无主物品检测方法和系统

技术领域

本申请涉及图像数据处理领域，尤其涉及一种无主物品检测方法和系统。

背景技术

提供本章节以便以简化形式介绍本申请所属技术领域的某些现有技术。需要注意的是，本申请所描述的各具体实施方式并不局限于解决在本章节中指出的现有技术中所存在的所有缺陷和不足的实现，并且本申请所要求保护的技术方案以所附权利要求书为准。

在公共场所中，无人看管的物品(unattended belongings)或无主物品的闲置可能会造成麻烦。尤其对于地铁站、机场、商场等人流密集的公共区域，一些可疑的无主物品(诸如疑似爆炸物、有毒物质等危险品)的闲置可能会造成严重后果。因而，对无主物品进行检测的主要任务，就是要对视频监控场景进行智能分析，从包含大量无关人员和对象的繁杂环境中准确地分割出静止超过一定时间阈值的物体对象，并及时做出报警。目前，对无主物品进行检测主要包括两类办法，即基于跟踪的方法和基于目标检测的方法。

基于跟踪的方法主要是在所有视频图像序列中，对进入场景的所有运动目标进行标记并实时跟踪，基于目标的运动轨迹、速度、方向等二维或三维特征，采用一定的算法来实现对无主物品的检测。这类方法在繁杂场景中，尤其是在人流量大的情况下，需要对多个目标的合并、分离、遮挡等问题进行处置，因而不易实现，且检测准确度不高。

基于目标检测的方法只关注原本未出现在视频监控场景中但后期却长期在场景中保持静止的情况。这类方法通常将视频图像分为背景图像和前景目标，找出可疑的目标，进行判断即可。常用的办法包括利用双背景建模，即，将两个不同更新率的背景模型进行比较，从而找到潜在的无主物品。然而，对两个背景同时建模的计算复杂度相对较大，且若潜在的无主物品闲置的时间过长，仍会融入背景中造成漏检测。

因而，如何提升无主物品检测算法的速度和准确度是本领域技术人员亟需解决的问题。

发明内容

提供本章节以便以非限制性的形式介绍以下将在具体实施方式章节中进一步描述的概念的选集。本章节并不旨在标识所要求保护的主题的关键特征或必要特征，亦非旨在用于限制所要求保护的主题的范围。此外，所要求保护的主题不限于解决在本说明书的任一部分中提及的任何或所有缺点的实现。

本申请要解决的技术问题是提供一种无主物品检测方法和系统。

为了解决上述技术问题，本发明的第一方面提供了一种用于检测环境中的无主物品的方法，包括以下步骤：获取输入视频图像；针对所述输入视频图像中的当前帧中的每一个像素点，利用经训练的基于混合高斯模型GMM的背景模型来判断该像素点是否为静态像素点；基于各个像素点的状态判断来检测静态区域；以及判断检测到的静态区域是否为无主物品。

可选地，所述基于混合高斯模型GMM的背景模型包括三个高斯子分布：代表背景的第一高斯子分布；代表重复变换相对稳定区的第二高斯子分布；以及代表快速变化像素的第三高斯子分布。

可选地，利用经训练的基于混合高斯模型GMM的背景模型来判断该像素点是否为静态像素点进一步包括：为每一个像素点设置可疑静态点标志I2以及静态点标志I7，所述可疑静态点标志I2和所述静态点标志I7初始为0；当像素点击中所述第二高斯模型且持续时间超过第一阈值时，将该像素点的可疑静态点标志I2置为1；并且对于每一个被标示为可疑静态点的像素点，当其可疑静态点标志I2保持为1的持续时间超过第二阈值时，将该像素点的静态点标志I7置为1。

可选地，基于各个像素点的状态判断来检测静态区域进一步包括：将多个相邻的静态点标志I7为1的像素点连通为静态区域。

可选地，判断检测到的静态区域是否为无主物品进一步包括：对于每一个静态区域，将包含该静态区域的多个相邻的可疑静态点标志I2为1的像素点连通为连通区域；以及当该连通区域包含的像素点数量nCount大于第一预设阈值AreaTh，且该静态区域的像素点数量nSum与该连通区域的像素点数量nCount的比值大于第二预设阈值时，将该静态区域判断为无主物品。

可选地，判断检测到的静态区域是否为无主物品进一步包括：进一步判断所述静态区域是否是人或车的部分区域，如果是则排除该静态区域为无主物品的判断。

可选地，判断检测到的静态区域是否为无主物品进一步包括：判断所述静态区域是否是因为无主物品的搬移而产生的；如果是因为搬移产生的，则将该静态区域判断为搬移，反之则将该静态区域判断为无主物品。

可选地，判断所述静态区域是否是因为无主物品的搬移而产生进一步包括：对所述静态区域进行腐蚀操作以使边缘缩小至一个像素；以缩小的边缘像素作为种子点采用标准区域生长算法进行区域生长；针对所述静态区域所对应的背景区域采用上述操作；当背景生长区域大于所述静态区域的生长区域时，将所述静态区域判断为是因为无主物品的闲置产生，反之则为搬移产生。

为了解决上述技术问题，本发明的第二方面提供了一种用于检测环境中的无主物品的系统，包括：视频图像捕获设备，用于捕获所述环境的视频图像；存储器，用于存储可由处理器执行的指令；以及处理器，用于执行所述指令以实现如前述第一方面中任一项所述的用于检测环境中的无主物品的方法。

为了解决上述技术问题，本发明的第三方面提供了一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如前述第一方面中任一项所述的用于检测环境中的无主物品的方法。

附图说明

当结合附图理解下面的具体实施方式时，本申请的特征、本质和优点将变得容易理解。在附图中：

图1示出了根据本申请实施例的需要进行检测和甄别的六类针对无主物品的处置的图解。

图2示出了根据本申请实施例的用于检测环境中的无主物品的方法的流程图。

图3示出了根据本申请实施例的用于判断检测到的静态区域是否为无主物品的方法的流程图。

图4示出了根据本申请实施例的用于判断静态区域是否是因为无主物品的搬移而产生的方法的流程图。

图5示出了用于检测环境中的无主物品的系统的框图。

具体实施方式

为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另作说明，图中相同标号代表相同结构或操作。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，在前或在后操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其它操作添加到这些过程中，或从这些过程移除某一步或数步操作。

需要注意，除非另有说明，否则本申请所使用的技术术语或者科学术语应具有本领域技术人员所普遍理解的意义和含义。在本申请的上下文中，当所使用的技术术语或者科学术语与前述普遍理解的意义和含义确有偏差时，以本申请为准。

如图1所示，在现实中，针对无主物品的处置可包括以下六类不同情况需要进行有效检测和甄别：

第一类情况，无主物品一直处于闲置状态。在此情况下，当无主物品闲置达到预设时间上限时触发报警；然而，过于频繁的遮挡导致检测不到因无主物品的闲置所致的静态区域时，则一般不报警。

第二类情况，出现行人遮挡。在此情况下，只要无主物品显露的几率达到一定的值，基本上都会触发报警。这其中包括当无主物品刚开始闲置便发生遮挡，然而遮挡并不频繁，于是当检测到静态区域且经过一定时间无主物品显露出来后，则发生针对闲置的无主物品的报警。

第三类情况，也是出现行人遮挡。与第二类情况有所不同，无主物品已闲置了一段时间才被遮挡，此时经过一段时间后只要物品显露出来一般就会发生针对闲置的无主物品的报警。

第四类情况，无主物品被拿走(例如，被认领或被搬移)。一种假设是无主物品在融入背景后被拿走，此时一般不报警。

第五类情况，也是无主物品被拿走。另一种假设是无主物品在融入背景之间就被拿走，此时一般也不报警。

第六类情况，无主物品被替换或被其他物体遮挡。在此情况下，遮挡一段时间后，一般对遮挡物进行报警。并且在遮挡物被拿走一段时间后，也一般会对原本就闲置着的无主物品进行报警。

基于此，本申请提供了一种用于检测环境中的无主物品的方法。图2示出了根据本申请实施例的用于检测环境中的无主物品的方法(或称为无主物品检测方法)200的流程图。如图2所示，该无主物品检测方法包括以下步骤：

步骤201，获取输入视频图像；

步骤202，针对输入视频图像中的当前帧中的每一个像素点，利用经训练的基于混合高斯模型(GMM)的背景模型来判断该像素点是否为静态像素点；

步骤203，基于各个像素点的状态判断来检测静态区域；

步骤204，判断检测到的静态区域是否为无主物品。

在步骤201中，根据本申请的用于检测环境中的无主物品的系统(或称为无主物品检测系统)获取输入视频图像。输入视频图像中包含有固定视角下的背景和前景，但一般不应包含出现在前景和背景之间的闲置的无主物品，以避免在GMM模型训练期间将此类闲置的无主物品与背景相混淆。

在步骤202中，无主物品检测系统针对输入视频图像中的当前帧中的每一个像素点，利用经训练的基于混合高斯模型(GMM)的背景模型来判断该像素点是否为静态像素点。具体地，针对各个个体像素，定义K个状态来表示其所呈现的颜色。可选地，K的取值一般在3-5之间，K值越大，处理波动能力越强，而所需要的处理时间也相应地越长。K个状态中的每个状态用一个高斯函数(也被称为高斯子分布)表示，这些状态中的一部分指示背景的像素值，而其余部分则指示运动前景的像素值。若每一像素颜色取值用变量X_t表示，GMM的概率密度函数可用如下K个三维高斯函数表示：

得到目标函数后，可用EM算法进行参数估计，最终得到背景模型。在本申请一实施例中，K取值为3，即所采用的GMM包括三个高斯子分布：第一个高斯子分布代表背景(例如，站台区域)；第二个代表重复变换相对稳定区(其指的是介于背景和快速变换之间的状态，即闲置在站台上的、停留时间不是很长(还没有成为背景)也不是很短(不是穿梭的状态)的疑似无人认领的包裹)(例如，闲置在站台上的疑似无人认领的包裹)；第三个代表快速变化的像素(例如，站台上穿梭的旅客)。需要判断当前帧中的各个个体像素的颜色值与GMM中所包括的按降序排序的第几个高斯子分布相匹配，并记录对应的索引号。随后，更新各个高斯子分布的参数值，同时按照经更新的权重对高斯子分布重新进行降序排序，再记录击中模型在排序之后的索引号。需要注意，该索引号是后续可疑静态点判断的主要依据。

当在本申请中提到“击中”一词时，指的是当前帧的一像素的颜色值与所建立的GMM中的某个高斯子分布的均值之间的差异在特定范围(例如，该高斯子分布的一个标准差)内。在本申请一实施例中，在当前帧的一像素同时击中两个或更多个高斯子分布的情况下，视权重最高的高斯子分布为该像素的击中模型。在本申请另一实施例中，在当前帧的一像素同时击中两个或更多个高斯子分布的情况下，视像素颜色值与高斯子分布均值之间的差异最小的那个高斯子分布为击中模型。

接着，无主物品检测系统针对各个个体像素来利用经训练的GMM进行可疑静态点判断。初始地，为各个个体像素置备可疑静态点标志I2和静态点标志I7，前者指示该像素是否为可疑静态点，而后者指示该像素是否为静态点。标志I2和I7的取值是二值化的(例如，(0,1)或(0,255)等)进一步，只有当像素的标志I2指示其为可疑静态点(例如，I2＝1)时，该像素的标志I7才有可能指示其为静态点(例如，I7＝1)。初始地，各个个体像素的这两个标志被置为否(例如，I2＝0,I7＝0)，即像素目前尚未成为可疑静态点。

在当前帧中的一像素击中的是GMM的第二个高斯子分布并且持续时间超过预设阈值(作为示例而非限定，击中第二个高斯子分布的持续时间超过预设阈值可包括该高斯子分布的权重大于权重阈值WeightTh)的情况下，这表示该像素所隶属的可疑闲置无主物品被放置了一段时间，它遮挡了原来该位置上的背景，因而导致该像素成为可疑静态点。在该情形中，该像素的标志I2被置为1，时间参数mStartTime(其记录像素被标识为可疑静态点时的时间)被设为当前视频帧的时间，并且参数ValueB、ValueF(其分别表示可疑静态点的背景颜色值和前景颜色值，或即，第一和第二高斯子分布的均值)被保存。

在当前帧中的一像素击中的不是GMM的第二个高斯子分布，或者其击中第二个高斯子分布但该高斯子分布的权重小于或等于WeightTh的情况下，此时该像素的标志I2、I7都应被置为0。

进一步，无主物品检测系统针对被判断为可疑静态点的像素来确定该像素与哪种实际场景相对应。在上述步骤103中被判断为可疑静态点(即，标志I2＝1)的像素被编群为可疑静态点集。此时，需要判断该可疑静态点集中的每一像素所隶属的可疑闲置无主物品会否出现以下情况之一：(1)继续闲置在原位；(2)被搬移(例如，被认领/拿走)，从而漏出原本的背景；(3)被运动目标遮挡；(4)被另一个可疑闲置无主物品遮挡。

具体的判断规程如下：

a)所保存的GMM中与前景相对应的高斯子分布还存在，且当前帧中的可疑静态点击中的高斯子分布的索引号与它是同一个，即判断为“可疑静态点所隶属的可疑闲置无主物品继续留在原地”。

b)所保存的GMM中与背景相对应的高斯子分布还存在，且当前帧中的可疑静态点击中的高斯子分布的索引号与它是同一个，即判断为“可疑静态点所隶属的可疑闲置无主物品被认领/拿走而漏出原本的背景”。

c)所保存的GMM中与前景和背景相对应的高斯子分布都还存在，但当前帧中的可疑静态点击中的高斯子分布的索引号与它们都不匹配。如果当前帧中的可疑静态点击中第一个高斯子分布，或者击中的高斯子分布的权重大于WeightTh，则表示“可疑静态点所隶属的可疑闲置无主物品被另外一个可疑闲置无主物品遮挡”；否则表示“可疑静态点所隶属的可疑闲置无主物品被运动目标遮挡”。

d)所保存的GMM中与前景相对应的高斯子分布还存在，但所保存的GMM中与背景相对应的高斯子分布不存在(因为运动目标的影响或者可疑无主物品放置时间久了)，此时需要计算当前帧中的该像素的颜色值与所保存的GMM中与背景相对应的高斯子分布的均值(或即，背景颜色)之间的距离值。如果该距离值小于距离阈值DisTh，则表示“可疑静态点所隶属的可疑闲置无主物品被认领/拿走而漏出原本的背景”；否则表示“可疑静态点所隶属的可疑闲置无主物品被运动目标遮挡”。

e)所保存的GMM中与背景相对应的高斯子分布还存在，但所保存的GMM中与前景相对应的高斯子分布不存在(因为运动目标的影响)，此时需要计算当前帧中的该像素的颜色值与所保存的GMM中与前景相对应的高斯子分布的均值(或即，前景颜色)之间的距离值。如果该距离值小于DisTh，则表示“可疑静态点所隶属的可疑闲置无主物品继续留在原地”；否则表示“可疑静态点所隶属的可疑闲置无主物品被运动目标遮挡”。

f)所保存的GMM中与前景和背景相对应的高斯子分布都不存在，此时计算当前帧中的该像素的颜色值与所保存的前景颜色之间的距离值D1，并且计算当前帧中的该像素的颜色值与所保存的背景颜色之间的距离值D2。如果D1小于D2，且D1小于DisTh，则表示“可疑静态点所隶属的可疑闲置无主物品继续留在原地”；如果D1大于等于D2，且D2小于DisTh，则表示“可疑静态点所隶属的可疑闲置无主物品被认领/拿走而漏出原本的背景”；其它情况表示“可疑静态点所隶属的可疑闲置无主物品被运动目标遮挡”。

随后，无主物品检测系统基于经确定的对应实际场景来更新可疑静态点的标志并更新经训练的GMM的参数。

在可疑静态点所对应的实际场景被确定为“可疑静态点所隶属的可疑闲置无主物品继续留在原地”的情况下，该可疑静态点像素的标志I2保持为1；计算当前视频帧的时间与mStartTime之间的历时，如果该历时大于时间阈值TimeTh，则该可疑静态点像素的标志I7被置为1；否则I7被置为0，所保存的关于可疑静态点的背景颜色值的参数ValueB不变，所保存的关于可疑静态点的前景颜色值的参数ValueF要被更新为击中模型的中心点值(或即，均值)。

在可疑静态点所对应的实际场景被确定为“可疑静态点所隶属的可疑闲置无主物品被认领/拿走而漏出原本的背景”的情况下，如果当前击中模型在当前帧中代表背景，则可疑静态点像素的标志I2、I7均被重新初始化且置为0，其它参数不作调整。如果当前击中模型在当前帧中不代表背景，则可疑静态点像素的标志I2保持为1，I7被置为0，所保存的前景信息ValueF不变，所保存的背景信息ValueB要被更新为击中模型的中心点值。

在可疑静态点所对应的实际场景被确定为“可疑静态点所隶属的可疑闲置无主物品被运动目标遮挡”的情况下，可疑静态点像素的标志I2保持为1，I7被置为0，所保存的前景信息ValueF不变，所保存的背景信息ValueB也不变。

在可疑静态点所对应的实际场景被确定为“可疑静态点所隶属的可疑闲置无主物品被另外一个可疑闲置无主物品遮挡”的情况下，该可疑静态点像素被重置为可疑静止点，标志I2仍保持为1，I7则被置为0，mStartTime被设为当前视频帧的时间，所保存的背景信息ValueB不变，所保存的前景信息ValueF要被更新为击中模型的中心点值。

至此，无主物品检测系统利用经训练的基于混合高斯模型GMM的背景模型甄别出视频图像的当前帧中的各个个体像素点是否为静态像素点(即，像素的静态点标志I7是否等于1)。

在步骤203中，无主物品检测系统基于各个像素点的状态判断来检测静态区域。具体地，将被判断为静态点(即，像素的静态点标志I7等于1)的毗邻像素连接起来，保留所形成的连通区域并滤除噪声点以获得静态区域。上述步骤101-102检测出了所有理论上的静态点像素，然而并非所有静态点像素都是无主物品的闲置和/或搬移产生的，某些(个)静态点像素也可能是噪声引起的。因而，静态区域是在将被判断为静态点的所有像素连接起来，继以保留所形成的连通区域并滤除噪声点之后被获得的。噪声点可以是各个个体像素，也可以是不足以形成视频帧中出现的实际物品的少数像素的团块。噪声点的过滤准则可根据实际需要进行设置，本申请对此不作限定。

在步骤204中，无主物品检测系统判断所检测到的静态区域是否为无主物品。需要指出，在实践中，所检测到的静态区域未必都是因无主物品的闲置而产生的，它也可能是由于人或车等对象的整体或部分长时间保持静止而造成的。因而，还需要对所检测到的静态区域进行类型过滤，以滤除人或车等对象的干扰。然而，即便在排除了不必要的静态区域(即，人或车等对象的部分)之后，也不能把剩余的静态区域视为无主物品。这是由于无主物品闲置/搬移检测的前期检测过程相同，无论哪种情况都会产生静态区域，并且在这个过程中无法对两种情况进行区分，因此需要进行闲置与搬移(例如，拿走)的分类，以便后续基于发生真正的无主物品闲置而进行报警。对步骤104的详细描述分别参见图3和4。

图3示出了根据本申请实施例的用于判断检测到的静态区域是否为无主物品的方法300的流程图。方法300承接方法100的步骤104，判断所检测到的静态区域是否为无主物品进一步包括步骤301和302。

在步骤301中，根据本申请的无主物品检测系统对前述所检测到的静态区域执行类型过滤。由于并非所有静态区域都是由无主物品的闲置和/或搬移产生的，某些(个)静态区域也可能是由于人或车长期静止不动产生的。因而，需要对所检测到的静态区域执行类型过滤，此处的类型过滤分为两步：一是利用由用户设定的时间阈值、面积阈值来判断哪些区域可疑；二是排除可疑区域的干扰。

首先，计算当前帧中的可疑静态点标志I2(此时可称其为前景标志I2)构成的连通区域，对每个连通区域分别计算面积nCount以及该区域内I7为前景(即，I7＝1)的像素点数nSum。如果面积nCount大于设定的面积阈值AreaTh，并且达到设定时间的像素点数nSum大于可疑像素点数/面积nCount的0.5倍，则该静态区域被判断为触发报警区域，作下一步的处理。在本申请中，AreaTh的取值越大，则触发报警的时间越晚。AreaTh的取值可根据实际需要进行设置，本申请对此不作限定。

其次，如果在视频帧中有人或车等对象长期静止不动，根据前面的检测算法同样会将其检测为静态区域。为了去除静态人或车的干扰，如果当前帧检测到满足触发报警的静态区域，则利用yolo v、faster RCNN等基于深度学习的目标检测方法来对此帧图像进行目标检测，判断当前静态区域是否隶属于人或者车的部分区域。在本申请另一实施例中，也可以采用人的皮肤和轮廓信息以及车的轮廓信息进行判别以区分人和车。本申请对所采用的静态区域类型过滤的算法不作限定。

最后，从所获得的(诸)静态区域中排除不必要的静态区域，以保留由无主物品的闲置和/或搬移产生的静态区域。

在步骤302中，无主物品检测系统对前述所获得的(诸)静态区域执行闲置/搬移分类，即判断经过滤的静态区域是属于因闲置而引起的，还是属于因搬移而引起的。

由于无主物品闲置/搬移检测的前期检测过程相同，无论哪种情况都会产生静态区域，并且在这个过程中无法对两种情况进行区分，因此需要进行闲置与搬移(例如，被认领或拿走)的分类，以便后续基于发生真正的无主物品闲置而进行报警。对步骤302的详细描述参见图4。

图4示出了根据本申请实施例的用于判断静态区域是否是因为无主物品的搬移而产生的方法400的流程图。方法400承接方法300的步骤302，判断前述静态区域是否是因为无主物品的搬移而产生进一步包括步骤401至404。

在步骤401中，根据本申请的无主物品检测系统依照前述方法步骤来对当前帧提取由无主物品的闲置和/或搬移产生的静态区域，对该区域进行腐蚀操作以使边缘缩小至一个像素；

在步骤402中，无主物品检测系统以缩小的边缘像素作为种子点采用标准区域生长算法进行区域生长。本申请对区域生长算法的类型不作限定。

在步骤403中，无主物品检测系统同样针对静态区域所对应的背景区域采用上述操作。如此，可以得到两个生长区域。

在步骤404中，无主物品检测系统在背景生长区域大于静态区域的生长区域时，将静态区域判断为是因为无主物品的闲置而产生的，反之则判断为因搬移而产生。由于物体与背景的兼容性和背景与背景的兼容性是不同的，将导致这两个生长区域的大小不同。当背景生长区域大于当前帧的生长区域时为判定静态区域是由闲置产生的；反之则为搬移产生的。作为示例而非限定，兼容性指的是像素的颜色值的差异。

综上步骤所述，本实施例的无主物品检测方法首先针对各个个体像素仅采用一个GMM对视频帧信息进行建模，然后在模型训练之后基于每个像素的击中模型的索引值进行逻辑判断，确认该像素在当前帧中的状态，从而得到达到一定时间的静态区域。接着，利用行人检测等运动目标检测算法确认静态区域的类型，排除静止的人员或车辆等影响；最后利用区域周围的像素并借助于区域生长算法判断该静态区域是因发生了无主物品的闲置还是因发生了无主物品的搬移而产生的。与现有技术相比，本实施例的无主物品检测方法对于无主物品的检测准确度高，所涉及的算法复杂度低，能够很好地应用于其中人流密集、遮挡频繁的繁杂视频数据处理场景。

本申请还提供了一种用于检测环境中的无主物品的系统。图5示出了用于检测环境中的无主物品的系统(或称为无主物品检测系统)500的框图。无主物品检测系统500可至少包括视频图像捕获设备501、处理器502、以及存储器(例如，只读存储器(ROM))503。附加地，无主物品检测系统500包括随机存取存储器(RAM)504、通信端口505、以及内部通信总线506。当应用在个人计算机上时，无主物品检测系统还可以包括硬盘507。内部通信总线506可以实现无主物品检测系统500组件间的数据通信。处理器502可以进行判断和发出提示。在一些实施例中，处理器502可以由一个或多个处理器组成。通信端口505可以实现无主物品检测系统500与外部的数据通信。在一些实施例中，无主物品检测系统500可以通过通信端口505从网络发送和接收信息及数据。无主物品检测系统500还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘507、存储器(例如，只读存储器(ROM))503和随机存取存储器(RAM)504，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器502所执行的可能的程序指令。处理器执行这些指令以实现方法的主要部分。处理器处理的结果通过通信端口传给用户设备，在用户界面上显示。

上述的无主物品检测方法可以实施为计算机程序，保存在硬盘507中，并可加载到处理器502中执行，以实施本申请中的无主物品检测方法。

本申请还提供了一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如上所述的无主物品检测方法。

无主物品检测方法实施为计算机程序时，也可以存储在计算机可读存储介质中作为制品。例如，计算机可读存储介质可以包括但不限于磁存储设备(例如，硬盘、软盘、磁条)、光盘(例如，压缩盘(CD)、数字多功能盘(DVD))、智能卡和闪存设备(例如，电可擦除可编程只读存储器(EPROM)、卡、棒、键驱动)。此外，本文描述的各种存储介质能代表用于存储信息的一个或多个设备和/或其它机器可读介质。术语“机器可读介质”可以包括但不限于能存储、包含和/或承载代码和/或指令和/或数据的无线信道和各种其它介质(和/或存储介质)。

应该理解，上文所描述的实施例仅是示意。本文描述的实施例可在硬件、软件、固件、中间件、微码或者其任意组合中实现。对于硬件实现，处理单元可以在一个或者多个特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器和/或设计为执行本文所述功能的其它电子单元或者其结合内实现。

本申请还提供了一种计算机程序产品，该计算机程序产品包括存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如上所述的无主物品检测方法。

上文已对基本概念作了描述，显然，对于本领域技术人员来说，上述申请披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示例性实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

本申请的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或者其组合。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带……)、光盘(例如，压缩盘CD、数字多功能盘DVD……)、智能卡以及闪存设备(例如，卡、棒、键驱动器……)。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个申请实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

虽然本申请已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本申请，在没有脱离本申请精神的情况下还可作出各种等效的变化或替换，因此，只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。

Claims (10)

1.一种用于检测环境中的无主物品的方法，包括以下步骤：

获取输入视频图像；

针对所述输入视频图像中的当前帧中的每一个像素点，利用经训练的基于混合高斯模型GMM的背景模型来判断该像素点是否为静态像素点；

基于各个像素点的状态判断来检测静态区域；以及

判断检测到的静态区域是否为无主物品。

2.如权利要求1所述的方法，其特征在于，所述基于混合高斯模型GMM的背景模型包括三个高斯子分布：

代表背景的第一高斯子分布；

代表重复变换相对稳定区的第二高斯子分布；以及

代表快速变化像素的第三高斯子分布。

3.如权利要求2所述的方法，其特征在于，利用经训练的基于混合高斯模型GMM的背景模型来判断该像素点是否为静态像素点进一步包括：

为每一个像素点设置可疑静态点标志I2以及静态点标志I7，所述可疑静态点标志I2和所述静态点标志I7初始为0；

当像素点击中所述第二高斯模型且持续时间超过第一阈值时，将该像素点的可疑静态点标志I2置为1；并且

对于每一个被标示为可疑静态点的像素点，当其可疑静态点标志I2保持为1的持续时间超过第二阈值时，将该像素点的静态点标志I7置为1。

4.如权利要求3所述的方法，其特征在于，基于各个像素点的状态判断来检测静态区域进一步包括：

将多个相邻的静态点标志I7为1的像素点连通为静态区域。

5.如权利要求4所述的方法，其特征在于，判断检测到的静态区域是否为无主物品进一步包括：

对于每一个静态区域，将包含该静态区域的多个相邻的可疑静态点标志I2为1的像素点连通为连通区域；以及

当该连通区域包含的像素点数量nCount大于第一预设阈值AreaTh，且该静态区域的像素点数量nSum与该连通区域的像素点数量nCount的比值大于第二预设阈值时，将该静态区域判断为无主物品。

6.如权利要求5所述的方法，其特征在于，判断检测到的静态区域是否为无主物品进一步包括：

进一步判断所述静态区域是否是人或车的部分区域，如果是则排除该静态区域为无主物品的判断。

7.如权利要求1所述的方法，其特征在于，判断检测到的静态区域是否为无主物品进一步包括：

判断所述静态区域是否是因为无主物品的搬移而产生的；

如果是因为搬移产生的，则将该静态区域判断为搬移，反之则将该静态区域判断为无主物品。

8.如权利要求7所述的方法，其特征在于，判断所述静态区域是否是因为无主物品的搬移而产生进一步包括：

对所述静态区域进行腐蚀操作以使边缘缩小至一个像素；

以缩小的边缘像素作为种子点采用标准区域生长算法进行区域生长；

针对所述静态区域所对应的背景区域采用上述操作；

当背景生长区域大于所述静态区域的生长区域时，将所述静态区域判断为是因为无主物品的闲置产生，反之则为搬移产生。

9.一种用于检测环境中的无主物品的系统，包括：

视频图像捕获设备，用于捕获所述环境的视频图像；

存储器，用于存储可由处理器执行的指令；以及

处理器，用于执行所述指令以实现如权利要求1-8中任一项所述的方法。

10.一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如权利要求1-8中任一项所述的方法。

Images