基于图像处理的视觉监控和被动式红外信号探测是入侵检测领域常用的手段,单纯的红外信号探测系统存在误报率较高和无法取证等不足,而纯视频监控系统对处于遮挡、图像监控死角处的运动目标适应性不强,且多点同时产生的监控数据在传输和存储过程中存在网络带宽和存储空间占用过高、数据处理量大等问题。针对上述问题,本文开发了基于云平台的入侵检测系统,融合图像视觉监控和被动式红外探测两种手段,构建了图像视觉传感网络和红外探测器预警网络。论文采用云服务器实现了入侵图像及红外探测器监控数据的上传、处理,以及报警信息的存储和下发,并基于安卓平台开发了移动端监控报警软件。论文进行了以下工作:1.红外探测器预警网络:开发了红外探测器模块,构建了ZigBee红外探测器网络,实现对人体目标的探测。开发的报警主机将多个节点采集的红外报警数据进行初步过滤后上传至云服务器。2.图像视觉传感网络:搭建了入侵图像采集网络,在接收到预警信息后将多点采集到的视频数据上传云服务器。云服务器采用Meanshift运动目标跟踪算法对入侵的运动目标进行跟踪和识别,并将视频图像识别结果下发到安卓客户端。3.移动监控客户端:本文基于Android平台开发了监控客户端软件,实现了远程报警监控。该软件接收由云服务器下发的红外及视觉报警信息,综合红外及图像视觉报警信息形成最终报警结果。测试结果表明,本文设计的红外探测器网络与图像视觉相融合的入侵检测系统具有较低的误报率,对遮挡和监控盲区等问题有更好的适应性,对网络带宽占用小,且在成本方面相比单纯的视频监控系统有较大优势。系统实时性基本符合应用要求,但系统细节功能仍需进一步完善。后续计划从红外探测器网络空间拓扑结构、融合算法等方面对系统进行改进,以进一步提升检测的效率和实用性。