传统的安防入侵报警技术虽然设备简单,但是探测器安装位置明显,有时入侵人员会轻而易举地绕过探测器,使安防系统难以发挥其应有的作用。而且传统的探测器基本上是被动检测,不能自动对布防区域的状态进行分析。随着视频监控系统的发展,监控摄像机使用越来越多,依靠人工监视不仅成本高,而且极易发生漏报。针对以上问题,本文提出了基于监控图像的安防入侵自动报警方法,通过对监控图像的处理与分类,判断有无异常情况发生,实现自动报警。布防区域的状态改变,监控图像必然会随之发生变化。针对视频监控图像的这种特点,提出了基于差图像的入侵自动报警方法。该方法将视频监控系统实时采集的监控图像与正常状态的监控图像相减,当两幅图像相似时,差图像的最大灰度值及其直方图向量非零项数较小;当两幅图像差别较大时,差图像的最大灰度值及其直方图向量非零项数较大。这两个参数的变化可以有效地反映监控图像的差异,以它们作为判断依据,当差图像的这两个参数值大于预先设定的阈值时,表明布防区域有异物入侵,则自动报警。为了提取图像的主要特征,降低图像自动分类时输入向量的维数,研究了小波图像处理方法。将监控图像进行小波分解,得到逼近分量、垂直分量、水平分量和对角分量;每分解一次,得到的各个分量的数据量是分解前的四分之一;原始图像的主要特征较好地保留在逼近分量中,浓缩了原始图像的特征信息。对重要场所进行安全防范时,非法入侵等异常情况为偶发事件,绝大部分时间为正常状态。正常状态的监控图像容易获取,相比之下异常状态的监控图像较少,并且有很大程度的不确定性。针对上述情况,本文提出了基于监控图像与支持向量数据描述的入侵自动报警方法。在对监控图像小波分解的基础上,该方法仅仅依靠正常状态的监控图像样本建立了单分类器。实验结果表明:单分类器能够有效地区分异常状态和正常状态的监控图像,实现布防区域状态的自动识别;采用小波分解的逼近分量作为单分类器的输入向量,降低了输入向量的维数,提高了识别分类效率,并且具有良好的识别分类效果。