近年来,随着行为理解研究的深入,无主包裹识别受到计算机视觉领域研究者的广泛关注。特别是受恐怖袭击的影响,对无主包裹的识别已成为各种公众场合智能视频监控的迫切需求,在轨道交通行业中,其应用同益广泛。本课题以上海市科委资助项目《基于嵌入式技术的轨道交通网络化关键电子设备研究》(编号:06DZ15003)为背景,在分析了轨道交通环境下的智能视频监控需求的基础上,结合图像处理与模式识别技术,开展对无主包裹的检测与识别研究。本文提出了一个由RGB减除法、卡尔曼滤波、模板匹配和隐马尔科夫模型等组合而成的处理方法,以实现无主包裹的检测与识别,并针对实现过程中遇到的问题及难点提出了相应的解决方法。在运动目标检测与分割方面,通过对运动目标检测算法进行的应用研究与改进,并结合具体应用环境的需要,提出改进RGB减除法检测运动目标的方法,对运动目标进行分割与相关信息的提取,另外,针对检测结果易受天气、阴影影响的问题,研究了基于HSV颜色空间的阴影抑制的方法。在运动目标跟踪方面,为了能够解决复杂环境下的跟踪,本文采用了一种基于卡尔曼滤波的跟踪方法。根据卡尔曼滤波理论建立了运动人体状态预测模型,预测出运动人体矩形位置与人体检测矩形进行匹配。在无主包裹识别阶段,首先进行场景分析,其目的是为行为识别和行为理解提供先验知识,减少识别难度。其次建立行为模型,结合目标检测与分割中提取的信息对运动目标进行分类,然后定义各类的特征行为和无主包裹的预定义法则,并结合改进的隐马尔科夫模型实现对无主包裹的识别;通过对隐马尔科夫模型训练算法的改进,进一步优化相应的状态转换与输出概率,提高识别效率。本文最后完成了一个基于VC++6.0和OpenCV的无主包裹检测与识别的软件系统原型。