近年来，随着我国经济的飞速发展和国内外安全形势的日益严峻，部队和国家各类安全部门对于安全系统的各方面需求正在急剧增加。在实际中，部队和国家安全部门每年由于值班室监控人员疲劳而导致各类安全事故层出不穷，疲劳也被相关安全部门列为导致各类事故的三大原因之一，成为了其保障人民群众的生活和财产安全的重要阻碍。因此在实际情况中，如何采取有效措施来预防或者说及时发现值班室监控人员疲劳的情况，对于保护人民生命财产安全和减少各类事故的发生便具有非常重大的意义。另一方面，由于上述部门任务的特殊性，其周界的安全也十分重要。在现实工作中，这一方面的安全是通过值班人员结合站岗与观察监控视频来实现的，因此也十分需要一款智能的视频监控软件，能够自动判断是否有人入侵周界并做出预警的系统，来保障其周界安全。在疲劳检测方面，本系统采用摄像头对值班室内的值班员进行实时的面部图像抓拍，通过图像的技术处理和分析人眼的闭合程度，从而判断值班员的疲劳程度，适时做出预警。PERCLOS是我们的主要评价标准，即为一定时间内人眼闭合时间占总时间的比率。本文介绍了一种基于Haar特征的AdaBoost级联分类器算法的改进算法，并根据此算法先对目标图像进行人脸检测，然后在分割出的人脸图像中，对人脸图像进行人眼检测，定位出人眼的位置区域，而后在人眼区域内进行垂直积分投影，根据投影曲线的相关特性可以确定人眼闭合情况，最后通过事先给出的一定判别标准，判断眼部是否处于疲劳状态，从而达到疲劳检测的目的。当检测出值班员处于疲劳时，系统会自动报警，使值班员恢复到正常状态，从而尽量规避了值班的安全隐患。而在周界预警（即运动目标识别）方面，本系统采用混合高斯模型对摄像头拍摄到的周界实时图像进行背景建模，以分离运动的前景和静止的背景，然后通过计算确定要识别目标的检测窗口，在该检测窗口中对运动目标进行骨架提取，接着在运动目标原图像、二值化图像和骨架提取图像中使用基于HOG特征的SVM分类器进行目标分类并将其结果进行级联，最后得到是否有人入侵周界的结果。在疲劳检测方面，本系统采用的核心算法是基于Haar特征的AdaBoost级联分类器算法的改进算法和垂直积分投影，首先介绍了这两种算法的主要思想及工作原理，然后对值班人员实际工作环境的特点进行了分析并给出需求分析，接着在VS2010+OpenCV对整个设计进行实现，最后再对采集的人脸集进行测试，并得出实验结果。实验结果显示，本文提出的算法对于人脸检测以及垂直投影对于人眼状态的判定方法，具有精确度高、计算迅速以及鲁棒性强的优点。在运动目标识别方面，本系统的核心算法是基于混合高斯模型的背景建模算法、改进的基于HOG特征的SVM分类级联算法和骨架提取算法，本文首先对这几种算法的主要思想和工作原理进行了介绍，然后在OpenCV+VS2010的平台上实现该原型，最后用一段周界入侵的视频进行了测试，测试结果显示，本文提出的算法能够很好的检测并判断人为的周界入侵状况，具有检测速度快、识别成功率高等特点。最后再分析了实验中的不足，给出了下一步的改进方法，并展望了系统发展的方向。