遗留物品的视频检测和识别是人工智能和模式识别领域的一个重要的研究课题,公共场所中的未被行人所注意到的遗留物品会造成个人经济的损失或公共安全的危害,其最主要的原因是不能对实时视频进行自动化的检测和识别。因此在实际生活中,当公共场所出现了遗留物品时,能够从监控视频中自动将其检测并识别出,找到并跟踪该物品的主人对于减少个人的经济损失和反恐具有很大的帮助,这也符合当前社会的需求。在遗留物品检测方面,本文提出了一种基于区域信息的遗留物品检测和该物品与行人之间的关联性分析算法。该算法利用基于双重方向背景建模的前景检测、MeanShift跟踪和行人遗弃物品时刻的基于像素级别的区域特征信息来检测遗留物品并进行关联性分析。该算法的重点集中在行人和物品分离的时刻而不是将所有被检测出来的团块进行分类,和现有方法相比能够更快速地进行遗留物品检测和关联性分析进而能够更好地满足实时监控的需要。实验结果验证了算法的快速性和精确性。在遗留物品识别方面,本文提出了一种基于PCA不变矩的遗留物品识别算法。该算法首先对检测出来的视频中的遗留物品的结果区域图像构造几何仿射不变矩,之后利用PCA算法对其矩阵进行降维,最后使用最小距离分类器的决策规则进行物品图像的匹配从而进行遗留物品识别。由于该算法结合了几何仿射不变矩和PCA降维算法两种方法的特点,因此该算法能够在一定程度上解决实际视频中的遗留物品发生的角度变化和尺度变化等问题,并能在较为精确地识别出视频中出现的遗留物品的情况下提高识别速度,较好地处理实时视频流数据。实验结果表明,该算法能够快速且精确地识别出视频中出现的遗留物品,适用于处理视频流数据。针对目前已有的基于集中式架构的视频监控模型在处理大规模实时视频流上的局限性,本文同时在一种基于分布式架构的视频监控模型中进行了遗留物品检测和识别。