公开(公告)号：CN109636795A

公开(公告)日：2019-04-16

申请号：CN201811553123.2

申请日：2018-12-19

Applicant: 安徽大学

Inventor： 方贤勇 ,  杨振青 ,  汪粼波 ,  李薛剑

IPC: G06T7/00 ,  G06T7/90 ,  G06T5/40 ,  G06N3/04

CPC classification number: G06T7/0002 ,  G06N3/0454 ,  G06T5/40 ,  G06T7/90 ,  G06T2207/10016

Abstract: 本发明提供一种实时无跟踪的监控视频遗留物检测方法，将手工特征提取和深度学习识别相结合,实现了免跟踪的遗留物检测。首先,在帧差法的基础上,通过统计前景区域在连续帧序列变化情况,从而得到初始的静止目标区域。然后,我们将梯度方向直方向图和色调‑饱和度‑明度两种手工设计特征相结合来进行可疑物预判断,排除光照变化等影响带来伪静止目标区域。最后,结合深度学习技术排除已知物体和行人,从而对可疑物进行最终确认,实现一种无跟踪的遗留物检测。本方法能排除场景中因光照的变化及行人的滞留产生的伪目标，较准确的检测出遗留物体，并且在单帧处理的时间上比另外两种方法要少，能达到实时报警的要求。

公开(公告)号：CN109636795B

公开(公告)日：2022-12-09

申请号：CN201811553123.2

申请日：2018-12-19

Applicant: 安徽大学

Inventor： 方贤勇 ,  杨振青 ,  汪粼波 ,  李薛剑

IPC: G06T7/00 ,  G06T7/254 ,  G06T7/90 ,  G06T5/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种实时无跟踪的监控视频遗留物检测方法，将手工特征提取和深度学习识别相结合,实现了免跟踪的遗留物检测。首先,在帧差法的基础上,通过统计前景区域在连续帧序列变化情况,从而得到初始的静止目标区域。然后,我们将梯度方向直方向图和色调‑饱和度‑明度两种手工设计特征相结合来进行可疑物预判断,排除光照变化等影响带来伪静止目标区域。最后,结合深度学习技术排除已知物体和行人,从而对可疑物进行最终确认,实现一种无跟踪的遗留物检测。本方法能排除场景中因光照的变化及行人的滞留产生的伪目标，较准确的检测出遗留物体，并且在单帧处理的时间上比另外两种方法要少，能达到实时报警的要求。