周界入侵检测需要通过多种信息的采集及相应的分析处理方法来复合完成目标检测的任务，采集的主要信号类型有视频信号和震动信号。本文详细分析了基于视频信号和震动信号的目标检测算法的关键技术——背景建模，以及相关技术——基于视频背景模型的运动目标检测、基于震动信号的目标检测及视频与震动的结果融合，并针对以上技术提出了完整的创新性解决方案。主要内容如下：　　 第一，针对已有的背景建模算法在周界入侵检测应用中鲁棒性差，目标保持能力低等缺点，提出了一种基于场景区分的改进算法，通过整体场景区分算法进行不同模型间的切换，通过局部场景区分算法对特定区域进行选择性背景更新，实验结果表明，本算法从总体效果上提高了背景建模的鲁棒性和目标保持能力。　　 第二、针对基于背景模型的运动目标检测算法对微小扰动敏感的缺点，提出了一种针对视频当前帧和背景帧的处理方法，通过滤除扰动和检测边缘等处理，提取出视频帧的共性进行比较，实验结果表明该方法在场景不稳定的情况下提高了运动目标检测的精度。　　 第三、针对基于单个震动传感器信号采集方式对空间辨识能力低的缺点，本文在多传感器布设的基础上，设计了一种基于时域特征提取和频域特征提取的处理方法，实验结果表明该方法不仅达到目标准确检测的目的，而且可以分辨信号源的空间位置。　　 第四、在基于视频目标检测和基于震动目标检测的基础上，设计了一种结果融合算法进行两种检测方法结果的融合，仿真结果表明，该算法可以达到准确判断结果的目的。　　 本文主要创新点是提出了一种场景区分算法对基于混合高斯模型和Kalman滤波模型的背景建模方法进行改进，并提出一种对视频当前帧和背景帧的处理方法进行目标检测。　　 实验仿真结果表明，本文提出的算法可以在围界入侵检测应用中进行准确的目标检测。接下来的工作将着力于降低算法复杂度。