出于对安全与管理的考虑,需要对某些区域进行入侵检测。入侵检测方法主要有基于传感器和基于网络摄像机(IP Camera,IPC)两种。相对于传统的基于传感器的入侵检测方法,基于网络摄像机的入侵检测方法具有更大的优势。比如可按照用户需求划定警戒区域,可达到更高的检测率,可在入侵者接近警戒区域时提前预警。因此,本文研究基于IPC的入侵检测算法。该类算法对IPC传输的视频序列进行处理,当发现有人员或车辆进入警戒区域并且触发入侵判别条件时,报警通知工作人员。算法主要包括运动目标检测和入侵判别两个方面。本文的主要研究内容如下:1.研究了常用的运动目标检测算法。存在光照变化、动态背景或阴影的场景,运动目标的精确检测比较困难。针对上述问题,本文采用一种基于改进混合高斯模型(Gaussian Mixture Model,GMM)与阴影去除的运动目标检测算法。在传统GMM算法的基础上,引入可调节学习率更新背景模型,引入组合权重进行背景/前景分割,引入基于颜色和纹理特征的方法进行阴影去除,最后进行形态学处理去除噪声。2.研究了常用的入侵判别机制。入侵判别机制包括入侵检测的警戒区域和入侵判别规则两方面。为了实现任意多边形警戒区域的绘制,本文通过鼠标确定警戒区域的顶点,然后借助开源计算机视觉库(Open Source Computer Vision Library,OpenCV)的库函数实现警戒区域的绘制。为了在入侵目标接近警戒区域时就提高警惕,本文设定预警、报警两种警告形式,并判断入侵目标是进入还是离开警戒区域。3.采用海康威视的一款IPC作为视频输入,分析本文入侵检测算法的性能。借助CDW-2014数据集、OTB50数据集、WallFlower数据集以及西安理工大学监控视频验证本文入侵检测算法处理多种复杂视频场景的能力。实验结果表明:本文的入侵检测算法不仅能根据用户需求设置多样的警戒区域,而且即使视频场景中存在光照变化、动态背景和阴影等干扰,也能准确进行预警和报警。在测试的案例中,入侵检测的准确率达到95.0%,误检率达到3.9%,满足了高检出、低误报的要求。