9.11事件后,打击恐怖主义,保证公共安全已逐步成为世界各国关注的重点和热点问题,而放置在车站、商场等公共敏感区域的不明遗留物品是目前恐怖袭击的主要手段。随着二十一世纪科技的进步及人们对于安防设施的更高要求,智能视频监控系统正在不断的普及与发展。遗留物品检测和分割是智能视频监控系统中的重要组成部分。目前针对复杂环境下基于视觉的遗留物品检测和分割算法的研究相对较少,主要原因是在复杂环境下,前景目标对遗留物品遮挡严重并包含很多噪声干扰,使得该课题具有一定的难度。本文研究的主要内容是复杂环境下对遗留物品进行检测的算法。复杂环境主要是指在监控视频场景中前景目标密度大,运动随意性大,相互遮挡频繁以及由于天气、光线变化等因素造成的噪声干扰较大的环境。首先,本文提出了基于时空中值图像序列的遗留物品检测算法,重点解决了复杂环境下由于前景目标频繁遮挡及场景中噪声干扰造成的对遗留物品检测的难点。该算法根据前景目标运动的特点,通过对监控视频序列中的图像在时间维度上进行分段中值滤波,获取时空中值图像序列,滤除了一部分前景运动目标及噪声,然后再利用时间中值图像序列中的图像与对应时刻的前景目标图像的逻辑“或”运算,得到候选遗留物品图像序列,达到了去除遮挡及噪声的目的。其次,本文提出了基于区域匹配的遗留物品分割算法,着重解决了对检测出的候选遗留物品进行判断和分割的问题,该算法先对候选遗留物品图像序列的各个图像进行开运算和连通区域分析,再将得到的候选区域及其匹配判断、匹配累计等参数信息组成结构体元素存入区域结构体数组,最后,通过多个匹配判别条件和阈值设定,对结构体元素与后序帧图像上的元素进行匹配比较,分割判断出真正的遗留物品,有效降低遗留物品分割过程中的漏检率。此外,本文所提出的遗留物品检测和分割算法计算量少,运算时间短,具有较低的时间复杂度,适用于实时监控。实验结果表明,使用本文所提出的算法在复杂环境下对遗留物品进行检测,具有较高的准确度。本文算法与其他算法相比在检测效果和效率上均有提高。在时间方面,检测算法和分割算法耗时比较稳定,而且满足实时性的要求。