近年来视频监控已渗透到国民生活的各个领域:小区安保监控,银行自动柜员机监控,交通方面的违章和流量监控等。视频监控可以有效防止各种刑事案件的发生,及时提供车流量和路况信息,实现准确快速的交通指挥调度。然而随着视频监控的普及,一些可疑人员人为了躲避监控,对摄像头做出各种干扰,如有人用手遮挡摄像头,用颜料喷涂摄像头,转动摄像头使之朝向错误的方向等,因此计算机自动准确及时的识别这些干扰:即相机干扰检测(camera tampering detection)有重要的实际应用意义。我们将相机干扰定义为:相机所拍摄到的画面要有剧烈的变化,且这样的行为必须持续一定的时间。因为有些偶然行为可能引起图像的短时突然变化,对于这些行为要予以排除。为此相机干扰检测需要解决三个问题:一、算法要有很好的实时性;二、应该对相机细小的振动、转动等不敏感,而应该对图像图形明显变化敏感;三、短暂无害变化不能被当作干扰检出。相机干扰的检测的基础是视频场景变化检测,即要检测出干扰发生时图像帧的变化。本文对已有的基于像素域的和基于压缩域的场景变化检测算法做了详细的研究。并比较了各种算法的优缺点。由于像素域算法效果较好,且基于压缩域的算法都是压缩后检测,因此本文从像素域出发寻找图像特征函数,在此基础上进行干扰检测。由于角点最小化了要处理的数据量,并且具有旋转不变性,不受光照条件的影响,因此选取角点作为图像的特征描述,这样可以有效提取图像的位置形状等信息,同时可以有效消除光照变化的干扰。本文提出一个基于SUSAN角点的图像特征函数,用来描述图像。当场景发生变化时,图像的特征函数会发生明显的变化,从而可以检测干扰的发生。SUSAN角点不用进行边缘提取,算法具有快速性,抗噪声能力强,可以检测所有类型的角点,精度好。同时我们采用改进的自适应快速SUSAN角点检测算法,以提高计算速度。为了做到对渐变和突变的全面检测,同时避免对短暂无害干扰的误检,不是简单的进行两帧图像的对比。我们采用一套逻辑算法,建立两个缓存,两个缓存分别表现视频的长期和短期特征,通过两个缓存的整体对比,滤掉了短暂突然变化的影响,放大了真实干扰,从而有效避免了误检和漏检,同时也很好的做到了实时性。采用本文的算法,并对比已有的干扰检测算法,对不同情况下的干扰进行了对比测试,取得了很好的效果,尤其对相机转动干扰效果明显,同时很好的排除了误检的发生。