随着工业过程现代化水平不断提升,工业企业对于厂区的安保要求越来越高。近年来,随着计算机视觉的不断发展,厂区智能监控得到越来越多的关注。但目前智能监控系统的处理核心大多以计算机为主,存在整体性差、成本高、体积大并安装困难等问题。本文针对现有的问题,对于基于厂区嵌入式的智能监控系统展开深入研究:首先,选择树莓派作为智能监控的核心处理器,通过在嵌入式开发板中移植Linux系统和Open CV算法库,实现视频采集,图像处理,系统报警,视频远程传输等基础功能,整个系统不仅成本低,而且整体性强,具有较为广泛的应用前景。其次,通过分析目前厂区内存在的安全问题以及厂区目前的安全需求,实现了三种智能检测功能。工厂中存在一些危险区域,根据厂区规定,这些地方不能出现行人,系统针对这些区域实现了行人入侵检测功能;在一些火灾易发区域,系统实现了火焰检测功能;厂区的一些特定区域在进入之前需要身份认证,针对这些区域,系统实现人脸识别功能。本文详细介绍了三种智能检测功能的实现方案。考虑树莓派的处理性能,本文选择复杂度较低的检测算法,且对算法进行仿真实验,验证了系统检测的准确性和实时性,具有较高的实用价值。本文设计的智能监控系统是将嵌入式作为处理器,将处理好的视频数据通过网络远传至上位机,这样就使得原本安全的视频数据很容易被第三方篡改或者攻击。监控视频中往往包含了许多厂区设备与生产的相关图像,视频监控网络被入侵会对整个企业造成严重后果,比如生产工艺外漏,商业信息被盗取等。本文通过分析传输过程中的网络流量信息,提出了信息增益(KLIC)与极限学习机(ELM)融合的网络入侵检测方法,该方法利用信息增益对网络流量特征进行降维处理,为了使ELM更好的识别网络异常行为,使用粒子群算法对参数进行优化。通过实验对比得出:所提方法从实际应用角度解决监控系统的网络安全问题,在识别网络入侵行为有较高的准确率。