（1）研究方案。
抛出的物体、遗留的物体一般是运动主体携带，从运动到静止，与主体分离并静止超过一段时间。对于此类异常行为，可以采用时序逻辑和空间运动信息相结合的方法，分析物体的运动轨迹、物体与运动主体的距离、物体在监控场景中的静止时间、物体在视频序列中的时空特性等，综合多项特征参数信息，来进行抛物或遗留物检测的准确判断。对于遗留物体的行为，可以提取目标的运动特征信息，进行运动目标分析和运动轨迹分析，若出现运动状态转为静止状态的对象，对其持续性的静止状态进行计时，超过一定时间的目标被判定为可疑遗留物。基于混合高斯背景建模学习率的遗留物检测算法，流程图如图5-18所示。
（2）研究方法与研究过程。
按照研究方案，遗留物检测算法的具体研究过程如下。
①在混合高斯背景建模的过程中，当学习率取值较低时，背景图像中会长时间存在已离开的前景目标，造成残影现象；当学习率取值较高时，则会把暂时停留的前景目标更新进背景图像中。所以，使用较高的学习率时，遗留物会被检测为背景；使用较低的学习率时，遗留物会被检测为前景目标。
②分别对视频进行高学习率和低学习率的检测，选取高学习率的背景图中检测为背景且低学习率的背景图中检测为前景目标。高学习率模型已把此像素点更新为背景，可见前景目标停止运动；低学习率模型还未更新，可见前景目标停留时间较短。此像素点为暂时静止的目标，可能为疑似遗留物。(www.xing528.com)
③对疑似遗留物进行静止时间判定，结合运动目标检测算法，判定是否为主人离开的遗留物。
（3）研究结果。
采用OpenCV 和Python 语言编程实现了遗留物检测算法，并与实时监控摄像头相连，对监控视频进行实时分析处理。对办公室走道场景进行实景测试，测试界面如图5-19所示。实验证明我们的算法可以有效检测到静止超过一定时限的不明遗留物，自动触发报警，并用告警框标示可疑物。
图5-18 遗留物检测算法流程图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
