布防分为参数布防、非参数布防两种模式。参数布防中参数是指纹理特征、颜色特征、形状特征、空间关系特征等四种。布防中对象体分为预警对象体、目标对象体。参数布防的核心思想是1)用参数定义预警对象体的特征;2)特征参数的确定;3)特征参数的相关算法;4)相似度分析。非参数布防传统上是基于网格法,布防的核心思想是通过人工设置警区域的方式,将视频监控图像画面划分成若干不同区域,通过统计视频序列中相邻时刻两帧图像之间各区域内像素的变换情况来判断是否触发报警信息,算法简单,易于实现。在一定程度上满足监控的需要,能够在监控区域发生变化的时候及时报警。缺点主要表现在:1)抗干扰性差;2)报警精度低;3)布防区域固定;4)缺乏对报警对象信息的必要处理,使得报警功能的后续功能失去基础,导致其智能化程度低。本文对参数布防模式中参数确定与提取作了研究。首先,对采集到的视频图像进行中值滤波,去除杂质;其次,检测目标体具有特定的颜色,根据对象体的颜色特征确定ROI区域;然后,对布防的对象体进行特征参数描述与提取。纹理特征参数描述采用灰度—基元共生矩阵,可以将图像的统计和结构特征相综合,可以更好的描述对象体的纹理结构。颜色特征参数描述采用RGB→HSI模型,减少图像分析的工作量。形状特征参数描述采用傅立叶变换模型,该模型利用傅立叶描述子它对边界进行傅立叶变换,将其作为形状的特征描述。空间关系特征参数描述采用认知图方法。认知图是由符号、带反馈的有向网络、网络节点和节点之间的连接弧组成。每个网络节点都具有其节点状态值,刻画了图像环境中目标的属性。最后,进行对象体特征参数的提取。纹理特征参数提取采用灰度共生矩阵,利用图像灰度值空间的某种相关性来表达图像的统计特征。颜色特征参数提取采用颜色参量的统计特征法特征提取,对颜色参量进行分析、统计、处理。形状特征参数提取采用小波和相对矩进行形状特征提取,优点是能综合利用多尺度形状描述和区域矩模型。空间关系特征参数提取采用两幅图像提取的每一个特征中抽取一个或多个控制点,然后寻求这些控制点在空间关系达到一致情况下的最佳变换模型函数,同时得到匹配控制点。通过一定的算法对对象体特征进行描述与提取后,建立相似度模型,实验表明,相似度匹配效果好,算法运算效率高,提高了参数布防的效率,整个布防过程鲁棒性强。