在智能视频监控中计算机视觉是一个热门的研究领域。其主要目的就是自动检测、跟踪、定位、对感兴趣目标的识别、以及对它们的活动的理解和分析，从而能够从很多监控摄像机所获得的大量信息中抽取有用信息。目标空间位置的确定是视频监控中一个重要的研究方向。通过目标空间位置的确定来对目标进行跟踪以及行为分析具有更高的可靠性，因此目标的空间定位受到人们越来越多的关注。本文研究了摄像机标定及目标空间位置的确定方法。根据摄像机标定得到摄像机的参数及坐标系之间的转换关系，并由摄像机标定得到的参数按照一定的投影模型确定出目标在空间上的位置，通过优化算法获得准确的定位。对于基于对极几何约束的相对空间目标定位采用了光束平差法，对于基于GPS的绝对空间目标定位采用了卡尔曼滤波。论文的主要研究内容和创新点如下：(1)在基于对极几何约束的相对空间目标位置确定方面，采用鲁棒性的方法来对两个摄像机之间基本矩阵进行求解，根据张正友平面模板标定方法求得的摄像机内参及基本矩阵得到本质矩阵，由本质矩阵的分解和特征点空间深度信息的计算得到摄像机外参及外参的符号，从而确定出两个摄像机之间的位置关系，由获得的摄像机内外参数及对应目标上的匹配点根据三角测量的方法得到目标对应的三维点集合，最后用光束法平差的优化方法对摄像机内外参数及目标对应的三维点集合同时进行调整，从而确定出目标准确的相对空间位置。(2)在单摄像机下基于GPS绝对空间的目标位置确定方面，本文在摄像机标定中，通过将GPS坐标设为测量量，将摄像机内外参数设为状态变量，根据摄像机标定模型建立卡尔曼滤波的状态方程和测量方程，考虑到测量方程为非线性方程的特点，分别研究了扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的摄像机标定方法，最后根据标定得到的摄像机参数较准确地获得目标在GPS坐标系中的绝对空间位置。(3)在上述工作基础上，进一步研究了多摄像机下绝对空间的目标定位，将目标在GPS坐标系中的空间点坐标设为状态变量，将目标在不同摄像机的图像坐标设为测量变量，根据摄像机标定模型建立卡尔曼滤波的测量方程，考虑到测量方程为非线性方程的特点，分别用扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的方法获得了目标在GPS坐标系中的绝对空间的准确估计。论文利用监控视频序列和真实测得的数据进行了仿真实验。实验结果表明，在基于对极几何约束的目标相对空间位置确定方面，本文使用光束法平差的方法能够得到目标较准确的空间位置；在单摄像机下的目标绝对空间位置确定方面，本文基于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的摄像机标定方法能够提高摄像机标定的精度，且两种方法具有相似的标定精度，同时验证了提高GPS的接收精度能够提高摄像机标定的精度，最后根据标定出的摄像机内外参数确定出的目标空间位置在一定的误差范围内：在多个摄像机的目标绝对空间位置确定方面，根据标定出的不同位置的摄像机参数利用卡尔曼滤波的方法能够提高目标绝对定位的精度。最后文章对全文的内容进行了概括，并对下一步的工作进行了展望。