近年来，公共安全越来越受到大家的关注和重视。随着社会的快速发展，传统的人工监控系统已经越来越难以适应当今社会的要求，智能监控系统将成为下一代监控系统的主流。由于监控场景错综复杂，单纯依靠视频图像等单一信息进行智能监控，有可能出现信息盲区，导致自动侦测的高漏警和高虚警。随着物联网的发展和信息融合技术的成熟，多传感器联合监控成为研究的热点。多传感器信息融合能够克服单一传感器的片面性和局限性，通过多传感器间的信息补充和冗余验证，提高系统的报警准确率和增强系统的鲁棒性。本文利用贝叶斯网络模型，对音视频信息进行融合决策，应用于人员入侵事件检测。并将该方法应用于无人值守的变电站监控，设计和实现了一套多信息融合监控系统。论文的主要研究工作如下：首先，针对方向梯度直方图的人员检测方法存在的耗时过长、无法应用于实时视频处理的问题，通过对前景物体的检测区域提取，将方向梯度直方图的提取计算限制于前景区域内，大大缩小了搜索范围，使基于方向梯度直方图的人员检测方法得以满足监控系统的实时性要求。其次，考虑了音频与视频同步的实时性问题以及脚步声特性，借鉴说话人识别的方法，对其进行改进，将Mel频域复倒谱系数作为特征，用高斯混合模型分类器进行分类，用于脚步声的检测。再次，针对在遮挡情况下，方向梯度直方图的人员检测方法的检测精度严重下降问题，利用贝叶斯网络对音视频信息进行决策级融合，通过建立一个多层贝叶斯网络模型用于音视频融合决策，提高人员入侵检测的精度和鲁棒性。实验结果表明，本文的音视频融合的人员入侵检测算法，相比传统的仅基于视频图像的检测算法，虚警率、漏警率、误警率等检测指标均有明显降低，表明了所提算法的有效性和鲁棒性。最后，设计和实现了一套多信息融合监控系统，将基于音视频融合的人员入侵检测方法用于实际。