現今的日常生活中，隨時隨地都有監控系統的存在以確保自身及財物的安全，而目前智慧型的視覺監控系統最主要的功能除了即時轉播與記錄監控地點畫面之外，還可針對所拍攝的內容加以分析及運算，隨時的將拍攝的影像儲存在資料庫中，做長期性的追蹤統計，運算、分析及判斷，綜合後得出結果，回報給監控中心的監控者來做出最後判斷及適當的處理。
目前在安全監控上，最常採用的是透過固定式攝影機來建構視覺監控系統及環境安全監控，但固定式攝影機卻常因外力行為的蓄意破壞而導致監控的影像畫面改變或遺失訊號，因而產生各種危安的問題，而無法即時的提出警訊通知相關人員。其中最常出現的蓄意破壞行為包含噴漆霧化(Atomization)、鏡頭轉向(Redirect)、鏡頭遮蔽(Cover)。本篇論文針對鏡頭轉向及鏡頭遮蔽二項危安議題進行研究，以確保視訊監控系統的安全性。
本篇論文提出即時視訊破壞偵測模型( Camera Tamper Detection Model for Video Surveillance, CTDM ) 作為攝影鏡頭破壞偵測的檢測法。主要分為初始化、訓練及即時偵測三階段。首先在初始化階段，採用以像素為基礎的背景編碼簿模型(Background Codebook Model) 作為視訊影像的背景及前景偵測模型，依據色彩模型將像素的彩度、亮度屬性作為特徵值，並可處理光影變動的問題。在訓練階段時期，CTDM模型利用電腦記憶體建立短期記憶體區，儲存即時視訊影像樣本序列進行前背景分離，進而建構出良好的適應性背景模型，並將此模型運用在固定式監控攝影機的破壞偵測。最後，在即時偵測階段透過前景像素亮度的改變特徵變化提出攝影機破壞警訊，並更進一步進行分群分類，判定是否為鏡頭轉向或是鏡頭遮蔽，以確保視訊監控系統的安全性暨提供良好的攝影品質。
本研究的實驗結果顯示，不論是在室內或室外的實驗場景，攝影鏡頭破壞偵測正確率均可達100%；破壞類型的分類上，不論是鏡頭遮蔽或是鏡頭轉向，其正確分類率可達90%以上。因而證明本篇論文所提出之方法可有效率應用在即時攝影鏡頭破壞偵測上。
