盗窃犯罪行为在人们的生活中经常可见,必须采取有效的措施打击盗窃犯罪行为。近年来,计算机视觉技术得到了迅速的发展,人们将其应用到了各个领域,使应用更加高效和智能化。室内财产保护是计算机视觉技术应用的一个重要领域,计算机视觉技术使计算机可以自动分析场景中的内容并做出决策,高效的实时完成特定防盗任务,有力的打击了盗窃犯罪行为。但是目前在室内财产保护领域的应用中,主要是通过处理单目相机获取的图像完成监控任务,缺乏通过融入深度信息检测盗窃行为的应用。通过获取深度信息可以感知场景中各个区域离摄像机的距离以及场景中各个区域之间的三维距离。本文利用双目立体视觉技术将深度信息融入到室内财产保护应用中,研究了取走物检测、嫌疑人确定和嫌疑人身份鉴别技术,主要工作内容如下:(1)比较了几种立体匹配方法,选出了一种适合于本文应用的能够生成致密视差图且匹配准确率和效率较高的立体匹配算法。研究了一种利用双目立体视觉和surendra前景提取方法的取走物检测技术。通过分析深度信息变化改进surendra背景更新算法,然后利用改进过的前景提取方法提取场景中的运动前景,再通过分析运动前景区域的深度变化,最终确定取走物区域。该取走物检测方法有效的排除了场景中非取走物区域对取走物检测的干扰,在遮挡及非遮挡取走物情况下都能较准确的检测到取走物的位置和大体形状。(2)通过融入深度信息,研究了嫌疑人确定的相关技术,以辅助监控人员锁定嫌疑人及进行目标跟踪。首先比较了在彩色图像中的特征描述子HOG和在深度图像中的特征描述子HDD、SLTP的人体检测性能,SLTP在检测效率和准确度方面都有较好的表现,适合于检测监控场景中的嫌疑人。提出了一种基于空间测距的嫌疑人锁定方法,分析取走物后场景中各个嫌疑人与取走物位置的三维距离,离取走物距离较近的人的盗窃嫌疑较大,最后通过实验证明该方法是一种有效的嫌疑人确定的辅助手段。(3)提出了一种融合深度显著性基于人脸识别的身份鉴别技术。首先根据本文提出的适合于人脸识别的3D显著性计算模型,计算所跟踪的嫌疑人人体区域的显著性,挑选显著性最大的帧为关键帧,再对关键帧进行人脸识别确定嫌疑人的身份。最后通过实验证明本文方法提取的关键帧人脸识别效果较好,识别置信度较高,有利于准确的鉴别嫌疑人的身份。