监控系统中摄像机系统的标定,目标检测与跟踪一直是该领域中基础也是十分重要的两个组成部分与研究领域。随着监控系统朝着大型化与智能化方向发展,所需要的摄像机数目越来越多,对监控场景的内容分析也越来越重要,因此,这两个问题变得越来越具有研究意义。摄像机系统的标定主要有两种,强标定与弱标定。强标定的目的是在一定摄像机模型下,确立从真实三维世界到摄像机成像平面的投影关系。而弱标定不直接得到强标定所求得的映射关系,而是通过各种方法,求得各摄像机成像平面之间的相对映射关系。就一个多摄像机系统而言,强标定每个摄像机是基础,弱标定多摄像机之间的相对关系是关键。对于视频目标检测,是指在图像序列中就某一个或一类物体进行专门的检测,包括运动目标检测,人脸检测,行人检测,车辆检测等等。目标检测发展到现在形成了综合计算机视觉,图像处理,模式识别与机器学习等学科的研究领域。视频目标跟踪是指在图像序列中对某一个感兴趣物体在连续的时间内跟踪其运动轨迹。该研究领域同样综合了多学科的知识,并且具有十分重要的应用价值,是计算机视觉中核心的研究领域之一。本文首先提出了一种基于图像拼接的自动标定主从摄像机系统方法。该方法利用动态摄像机自动拼接表示视场范围的马赛克图像,然后通过对特征点的提取与匹配估计动态摄像机与静态摄像机的相对关系,从而完成主从多摄像机系统的标定。本文其次提出了一种基于Online RankBoost与粒子滤波相联合的目标跟踪算法。该算法首先通过Online RankBoost算法在线学习并更新一个能够准确区分目标与背景的检测器,然后利用粒子滤波对目标的运动模式进行估计,从而实现对运动目标的稳定,准确的跟踪。实验结果表明,本文提出的我两种算法,均切实可行,并具有较好地准确性与鲁棒性。