随着光电成像技术的日益普及,摄像头也朝着微型化和智能化的趋势发展,给人们生活带来了极大的便利。然而,也有不法分子利用摄像头窃取国家机密以及公民隐私以求牟取暴利,这些对摄像头的不正当利用方式给国家和人民群众带来极大的损失。为此,本文基于摄像头的组成结构和成像机制提出了一种新的摄像头检测方法,通过融合目标的红外信息和可见光信息,结合图像处理与模式识别、机器学习和深度学习领域知识实现对目标摄像头的检测识别,同时实现了一种全自动摄像头检测识别系统。主要研究内容如下:在摄像头检测算法研究方面,提出了一种基于红外截止滤镜光学滤波特性的摄像头检测方法。本文研究了红外截止滤镜对红外光的反射截止特性,使用基于图像差分的可疑目标提取算法获取可疑目标集合,通过设计摄像头特征描述子进而对可疑目标集合的目标元素进行特征分析和判定,最后使用基于DBSCAN的检测聚类算法解决目标复检问题,确保同一目标在检测结果中的唯一性。实验证明,本文提出的基于红外截止滤镜光学滤波特性的摄像头检测算法能够更好的均衡召回率与精确率,并具有良好的运行性能,在召回率优先的摄像头检测任务中更能满足应用需求。在摄像头识别算法研究方面,提出了基于模型融合的摄像头识别算法。本文分别研究了基于VGGNet16深度学习模型与随机森林模型的摄像头识别方法,在红外图像的基础上引入了RGB彩色场景图像,制作相关数据集分别训练VGGNet16和随机森林模型,并根据实验结果分析模型各自缺点,从信息互补的角度,整合两者判定结果实现模型融合,提升算法性能。实验证明,摄像头识别算法能够抑制检测算法中的虚警,在保证算法召回率的同时,有效提高了算法的检测精确率。在摄像头检测系统研究方面,开发了一种全自动摄像头检测识别系统。系统通过自动化采集红外图像与RGB彩色场景图像完成对场景中目标摄像头的检测识别,具有自动检测模式和手动检测模式,可通过切换模式满足不同检测需求。