智能图像传感器是分布式视觉监控系统的关键设备，如果用高性能计算机来设计智能图像传感器，则成本过高。并且一般计算机的可靠性较差，不能满足视觉监控系统连续工作的需要。近年来，数字信号处理器(DSP)的运算速度大幅提升，而价格不断下降，因此可以用DSP代替计算机来设计智能图像传感器，降低成本并提高可靠性。与高性能计算机相比，DSP的计算能力毕竟有限，在计算机上取得良好性能的多数复杂算法不能直接应用到DSP上，必须根据DSP的计算能力设计新的算法或者对以往算法进行改进，在保证算法性能的前提下尽量降低算法的复杂度。本文就是以基于DSP的网络摄像机为硬件平台，研究分布式智能视觉监控中背景重建、运动目标检测及跟踪、人脸检测跟踪、摄像机标定、多摄像机协作监视等基础性问题，着力解决算法复杂度与算法性能之间的矛盾。主要成果及创新如下：(1)快速而准确的背景重建是分布式智能视觉监控的重要基础之一。论文提出两种快速背景重建算法，即基于背景象素值出现频次最高假设的背景重建改进方法和利用运动分割结果指导背景更新的背景重建方法。第一种方法先去掉前景点，再统计背景点各像素值出现的频次，选出频次最大的灰度值作为背景灰度值，算法能快速有效地重构背景，并且当目标运动缓慢或在某一区域频繁出现导致前景点出现的概率大于背景点时，仍能正确重构背景。第二种方法利用运动分割检测出“虚假”的运动区域，仅对“虚假”运动区域进行背景更新，计算量小，更新速度快，并且算法不受背景点出现频次的限制。(2)单摄像机跟踪是多摄像机跟踪的基础。论文给出一种运动检测与运动搜索相结合的卡尔曼预测多目标跟踪算法，算法使用跟踪置信度策略，在单摄像机条件下，能统一处理遮挡、合并、分裂等情况，具有较强的多目标跟踪能力。(3)视频人脸检测、跟踪是视觉监控系统的一项重要功能。论文综合应用肤色特征和人脸区域的边缘点方向特征，给出一种基于贝叶斯分类器的快速视频人脸检测方法，并利用人脸检测及kalman预测实现多人脸的跟踪。(4)通过摄像机标定获取目标的世界坐标是视觉监控的重要任务之一。论文提出一种基于四元数的运动摄像机旋转矩阵的在线标定方法，标定方法简捷，重建世界坐标误差较小。另外提出一种基于人体身高模型的单摄像机目标定位新方法，能通过外参数未标定的单个摄像机获取目标在地平面上的二维坐标，满足室内或室外运动目标定位的需要。(5)多摄像机协作是提高分布式视觉监控系统智能性的重要方法。论文提出一种联盟机制多摄像机协作模型，利用基于任务需求与摄像机能力距离匹配的协作联盟快速生成算法选择择多个摄像机来跟踪目标，并用加权轨迹融合算法提高轨迹的精度。