[发明专利]一种物体滞留/偷窃事件的检测、跟踪、识别方法

权利要求书

1.一种物体滞留/偷窃事件的检测、跟踪、识别方法，其特征在于：

(1)运动目标检测。建立自适应背景模型，利用背景差分提取运动目标，再通过形态学和阴影处理以获得更完整、更准确的运动目标状态。

(2)运动目标跟踪。通过对运动目标的状态进行估计、观测和校正的递归过程，实现帧间运动目标匹配，跟踪运动目标的运动轨迹。

(3)事件识别。对物体滞留/偷窃事件给出清晰的界定，根据运动目标的特征及运动轨迹判定事件的发生，如果事件发生，区分滞留和偷窃两种事件。对识别到的滞留和偷窃事件抓取证据图片，并且提供声音报警。

2.根据权利要求1.1所述的背景模型，

(1)采用自适应背景方法更新背景，其特征在于：利用每个像素的主特征来描述背景，根据贝叶斯规则判定像素点是前景点或背景点。阈值计算采用分块的自适应阈值方法，分别计算差分图像中每个块的阈值，而且对变化区域和背景区域采取不同的策略计算其阈值，最后采用全部阈值的平均值作为整体阈值，获得自适应的无参阈值。

(2)形态学处理。其特征在于：为了获得更完整的运动目标区域和填补运动目标区域的内部空洞，采用两次膨胀三次腐蚀一次膨胀的方法。

(3)阴影处理，其特征在于：采用了HSV空间阴影检测方法。基本原理是同一物体在阴影区和非阴影区的色调是近似一致的，阴影主要使该区域内亮度有变化，而且阴影部分一定比背景的亮度要低。

3.根据权利要求1.2所述的运动目标跟踪，其特征在于：结合粒子滤波和卡尔曼滤波两种跟踪方法实现运动目标跟踪，在阻挡时采用基于颜色特征的粒子滤波方法，在非阻挡情况下采用基于卡尔曼滤波的连通区域匹配方法。

4.根据权利要求3所述的阻挡，判断阻挡发生的条件是：第k帧中是否存在一个前景区域与第k-1帧中的一个以上的运动目标的预测位置存在交叉。

5.根据权利要求3所述的基于卡尔曼滤波的连通区域匹配方法，其特征在于：用卡尔曼滤波预测第k帧的运动目标状态，然后在预测状态和第k帧检测到的前景连通区域间求最佳匹配，求得的最佳匹配即为第k帧的运动目标状态，并以此校正卡尔曼滤波的参量。

6.根据权利要求3所述的基于颜色模型的粒子滤波方法，其特征在于：在第k帧，根据第k-1帧的运动目标状态进行随机的均匀采样，用颜色相似性求采样点权值，用权值大的采样点的均值估计第k帧运动目标状态。

7.根据权利要求1.3所述的物体滞留/偷窃事件的界定，其特征在于：1)滞留/偷窃物体在一段时间内位置没有发生变化。2)滞留/偷窃物体一定有拥有者，即是有人将它丢弃的，所以在物体被丢弃前一定发生了运动目标分裂。3)滞留/偷窃物体和其拥有者间存在一定距离；如果这个物体的拥有者离它很近，物体就没有被丢弃。

8.根据权利要求1.3所述的运动目标分裂，目的在于，

(1)建立物体和其拥有者之间的对应关系

(2)没有被分裂过的物体可能是光照突变产生的噪声，所以用物体分裂区分光照变化和真实的滞留/偷窃物体。

9.根据权利要求1.3所述的区分滞留和偷窃两种事件，其特征在于：根据滞留和偷窃物体会造成与周围场景颜色或纹理的不一致的特点，采用两种分类方法：基于颜色直方图的巴氏距离判定方法，基于轮廓判断方法。基于颜色直方图的方法是根据当前帧与背景图像的前景点与非前景点的颜色直方图的相似性来区分滞留和偷窃物体，直方图采用降维的彩色直方图。基于轮廓的方法是提取当前帧和前景二值图像的边缘，利用边缘图像的空间相似性和连通性来辨别滞留物体和偷窃物体。