监控摄像头作为构建平安和谐社会的重要手段,被广泛应用于社会的各个方面。然而,摄像头长期处于自然环境中,容易受到天气、周围环境的干扰,影响摄像头的正常工作。例如摄像头受到粉尘影响造成拍摄画面有灰斑甚至完全模糊不清,或者摄像头受到强风影响造成拍摄画面抖动。因此摄像头干扰检测成为视频监控的重中之重。针对摄像头干扰自动检测问题,本文重点研究了抖动干扰检测及灰斑干扰检测,并做了以下研究工作:首先,本文介绍了摄像头干扰检测的研究意义,并详细介绍了摄像头抖动干扰检测和灰斑干扰检测的研究现状,为本文方法提供了参考和研究基础。然后,对于摄像头抖动干扰问题,本文提出一种基于最长路径的摄像头抖动程度估计方法。该算法首先采用灰度投影算法,并融入抖动局部一致性特点,实现图像帧的全局运动估计。再引入最长路径算法,计算视频抖动的抖动率、抖动频率和抖动幅度等抖动参数。最后通过融合各抖动参数,完成抖动程度估计。并用实验证明本算法的有效性和准确性。接着,针对摄像头灰斑干扰问题,本文提出一种结合显著性检测和机器学习的检测算法。该方法首先提取对比度、纹理、形状等特征,然后结合支持向量机提取灰斑候选区,最后利用灰斑的区域特征完成灰斑区域定位,从而实现摄像头灰斑干扰检测。实验结果证明本算法的优越性和准确性。最后,总结本文所做的相关工作,并指出今后需要进一步研究的方向。