异常物体检测是智能监控的重要组成部分,随着针对人流较大的交通枢纽的恐怖袭击不断发生,对这些场景中的异常物体检测越来越受到人们的重视。目前针对异常物体的检测算法也有很多,然而现有的检测算法普遍存很多问题。例如虚警和遮挡问题,不能区分检测到的异常目标是人还是物体的问题、不能判断异常目标附近的人是否为异常目标的原主人等。为解决上述问题,本文设计了一套基于PC的异常物体检测方案。该方案采用双背景和证据累加解决遮挡问题。通过HOG特征结合SVM分类器进行目标的区分,以区分该异常目标是人还是物体,以免出现将候车的人当作异常目标检测出来而导致误报警的现象。颜色、形状等特征被用来判断离物体最近的人是否是其主人,以进一步判断该物体是否是异常物体。实验结果表明,该方案可以有效解决虚警和遮挡问题。不会存在人因静止在场景中而被当作异常目标检测出来,和人将行李放下休息(未曾离开)算法却误将行李当作异常物体检测出来的现象。且运行稳定,处理速度快,可以满足实际应用中实时性的要求,利于大规模应用。