技術(shù)特征：
1.一種滯留物檢測中的靜止物體類型判斷與物主分析方法,其步驟包括：1)建立背景模型并檢測出每幀圖像前景物體，根據(jù)所述前景物體生成物體分類器，該物體分類器的估計與更新方法如下：首先，算法的初始化，物體分類器N表示當(dāng)前物體分類器的個數(shù)，初始化為0，每增加一個新的物體分類器，N加1，每刪除一個物體分類器，N減1；然后，當(dāng)?shù)谝粋€前景物體p1被檢測出來的時候，建立一個新的物體分類器O1；當(dāng)又來一個前景物體pi時，該前景圖像將被送入已經(jīng)建立好的N個物體分類器中，對其中的每個物體分類器Oj進(jìn)行估計；2)將靜止的前景物體輸入到所述的N個物體分類器根據(jù)N個物體分類器返回的置信值的平均值μ通過下式：判斷得到靜止前景物體類型為物品或者人體；其中，每個新的前景物體都要遍歷所有的物體分類器平均值μ用以表示靜止前景物體和所有物體分類器的整體相似程度：其中，confn(x)表示第n個分類器對當(dāng)前靜止前景物體的返回的置信值，當(dāng)前共有N個分類器，μn為靜止的人返回的置信值的平均值，μl為靜止的物品返回的置信值的平均值；3)對所述靜止前景類型為物品的物體進(jìn)行物主分析，通過如下的公式計算得到物品的攜帶者信息，判斷出物主：num＝argmaxn≠lconfn(x)，其中，γ＝maxnconfn(x)，l＝argmaxnconfn(x)，confn(x)表示第n個分類器對當(dāng)前靜止前景物體的返回的置信值，γ表示返回值中的最大值，l表示最大值γ所對應(yīng)的分類器序號，n≠l表示返回值不是最大的，也就是第二大的，num表示返回值第二大的分類器對應(yīng)的序號即物主對應(yīng)的分類器序號；每當(dāng)新建一個物體分類器時，記錄所述物體分類器的幀信息和矩形框信息，根據(jù)所述num個物體分類器獲取滯留物品攜帶者的圖片。2.如權(quán)利要求1所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于，所述物體分類器提取類Haar特征和HOG特征，并采用在線的Adaboost方法為每個前景物體建立物體分類器3.如權(quán)利要求1所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于，所述分類器中若所述前景圖像是正樣本，且分類器得到的置信值介于0和0.5之間，則該樣本將用于該物體分類器的更新，若為負(fù)樣本，則不用于更新該物體分類器4.如權(quán)利要求1所述的滯留物檢測中的靜止物體類型判斷與物主分析方法,其特征在于，所述物體分類器設(shè)定一數(shù)目，若分類器長期無正樣本更新超過一定時間閾值時，則將進(jìn)入等待狀態(tài)，等待狀態(tài)持續(xù)一定時間后，則刪除該分類器。5.實現(xiàn)權(quán)利要求1所述的滯留物檢測中的靜止物體類型判斷與物主分析方法的系統(tǒng)，包括：用于建立背景模型并檢測出每幀圖像前景物體，根據(jù)所述前景物體生成物體分類器的裝置，和將幀圖像的幀信息和前景物體在圖像中的位置和大小信息記錄的裝置；用于將靜止的前景物體輸入到所述物體分類器根據(jù)分類器返回的置信值的平均值判斷得到靜止前景物體類型為物品或者人體的裝置；用于對所述靜止前景物體類型為物品的物體進(jìn)行滯留物檢測，得到物品的攜帶者信息，判斷出物主的裝置。