摘 要：本文首先介绍了混合高斯模型的算法原理，并且提出一种利用递归法检测多个前景物体的方法，然后提出一种基于慢高斯的遗留物检测算法，该算法利用混合高斯模型进行背景建模，利用递归法对检测到的前景物体分别计时，当计时器达到阈值时进行标记并报警。
　　关键词：视频监控；遗留物检测算法
　　传统的视频监控已经无法满足人们对安全的需要，智能视频监控作为一种高效的监控手段得到越来越多的重视。由于遗留包裹是恐怖袭击的主要手段，因此遗留包裹的检测成为智能视频监控中一项非常重要的应用。当前的遗留物检测算法很多，但是大多数不太理想，主要存在两方面的问题：一种是算法太简单，对干扰处理太少，使得检测结果不理想；令一种是由于对干扰处理比较多，使得算法太复杂，运算量太大。本文针对以上问题，提出了一种基于慢高斯的遗留物检测算法。
　　1 遗留物检测算法原理
　　基于慢高斯的遗留物检测算法原理为：用混合高斯模型进行背景建模，将输入的视频图像的各个像素与对应的背景高斯模型进行比较，若与其中一个背景模型匹配，则判为背景，若与所有的背景模型都不匹配，则判为前景；得到的前景物体包括运动前景、遗留前景和噪声，然后，对得到的前景进行形态学处理，去除噪声，最后利用递归法对前景物体分别计时，当遗留物体在场景中静止超过规定的阈值时，判为遗留物体。
　　2 混合高斯模型
　　混合高斯模型是利用K个高斯概率密度函数来表示每个背景像素，利用当前像素值和各个高斯分布进行均值和方差的比较，判定当前像素为背景或者前景。
　　每个像素点的概率为：
　　其中α为学习速率，α取值越大，背景的更新速度越快，ρ为学习因子，用来调整当前高斯分布，有时ρ取固定值。如果当前像素值与所有的高斯分布都不匹配，那么均值和方差都不变，只对权值进行更新，然后为当前像素分配一个新的权值和方差，更新公式为：
　　混合高斯模型可以适应场景中缓慢的光线变化，同时对背景中摇晃的树叶等反复出现的物体可以很好的识别，减小误检率。因此本文用混合高斯模型进行背景建模。由于本文对遗留物体进行检测，如果α取值过大，背景更新过快，遗留物体会很快的更新到背景中，无法进行遗留物检测。因此，α取尽可能小的值。遗留物的检测和运动物的检测不同，运动物体的检测如果不对每一帧进行检测，运动速度较快的物体会出现漏检。而遗留物体不用考虑这个问题，可以对视频隔k帧检测一次，这样节省运算时间，本文选择k的值为3。
　　3 递归法检测多个前景物体
　　形态学处理后的前景图像包括运动前景和遗留物体，本文采用递归法区分运动前景和遗留物体。递归法检测遗留物体的步骤如下：
　　用质心代表检测到的前景物体，用此质心和保存的质心进行比较，如果相匹配，就判为是同一物体，在保存的质心相对应的计时器上加常数a，如果不匹配则减常数b。如果此质心和所有保存的质心都不匹配，那么，将此质心保存并分配一个新的计时器，一帧图像匹配完后将所有的质心按照计时器的值由大到小排列，下次分配计时器时，赋给第一个值为0的计时器。
　　这样，同一位置的遗留物体所对应的计时器的值不断增加，当达到规定的阈值时，进行报警。
　　4 实验结果
　　基于慢高斯的遗留物检测算法结果如图2 所示，由图2可知，此方法可以准确的检测出遗留物体，并且可以对多个遗留物体分别检测。
　　综上所述，遗留物体检测是智能视频监控的重要内容，本文提出了一种比较完整的遗留物检测算法，准确的检测出了遗留物，并且可以对多个遗留物进行检测。接下来要对目标识别方面进行研究，给出准确的遗留物体识别结果。
　　[参考文献]
　　[1]吴明军，彭先蓉.遗失目标的实时检测算法.光电工程，2009，36（7）：36-40.
　　[2]张兆礼.现代图像处理与Matlab实现.北京：人民邮电出版社，2001： 171-176.
　　[3]徐玉波，陶海.数字视频智能化技术的发展和应用.技术与应用， 2008：46-50.
　　[4]孔晓东.智能视频监控技术研究.上海交通大学博士学位论文，2008.