随着世界各国对于非安全因素的防范意识的提高，智能视频监控系统也得到了越来越广泛使用。遗留遗失物品检测是智能视频监控系统中的重要组成部分，在火车站、飞机场、博物馆等公共场所都有着广泛的应用。目前由于场景中遮挡和运动目标聚集等问题的影响，使得智能视频监控系统下的遗留遗失物品检测的研究工作具有一定的难度。　　本文首先研究了几种传统的背景建模方法，通过实验分析了学习率对背景建模中模型更新的影响。研究表明学习率越快，背景模型的更新速度越快，场景中的长久变化能够更快的体现到背景模型中。　　然后提出了一种基于双学习率背景模型的静止目标检测方法，利用遗留遗失物品与其他运动目标相比存在着“静止”这一特征的原理，在遗留遗失物品检测中首先检测出场景中的静止目标。基于双学习率背景模型的方法中利用学习率可以控制背景模型的更新速度的特征，用两个学习率中背景模型的更新速度的不同来检测场景中的静止目标。在此基础上，提出了一种基于区域纹理不变性的方法来处理目标分块问题。　　最后本文提出了两种遗留遗失物品识别方法——基于边缘能量的方法和基于邻域信息约束的方法。基于边缘能量的方法利用双学习率背景模型中两幅背景图像之间的目标边缘区域能量变化来将静止目标识别为遗留物品或遗失物品。基于邻域信息约束的方法利用目标区域与其邻域的相关程度来进行遗留遗失物品识别。　　实验结果表明，本文所提出的遗留遗失物品检测方法无论在复杂场景还是简单场景中，都具有较高的准确率、鲁棒性，并且能够满足实时性的要求。