随着社会的发展,监视系统在现代社会的位置越来越重要。功能单一的监视系统已不能满足现代社会发展的需要。如何实现监视系统的多功能性是未来研究和发展的趋势,在兼具大视野的基础上完成目标的检测与定位工作成为时下热门。鉴于此,在分析前人研究成果的基础上,本文对实现目标检测与定位所需要的鱼眼相机标定算法、目标检测算法以及立体匹配算法进行了研究。研究了鱼眼镜头的结构以及鱼眼相机的成像模型;对鱼眼相机所采集到的原始图像进行灰度化、直方图均衡化以及图像平滑等处理;研究了利用全景视觉系统实现目标定位的原理。研究了平面标定法的计算过程;对比分析了标定过程中的多种角点检测方案;针对现有标定方法角点检测精度不高的问题,提出一种基于亚像素点的角点检测改进算法;通过实验对基于亚像素点的角点检测改进算法效果进行了分析。搭建了基于深度学习目标检测的算法框架;针对现有深度学习算法过程中计算量大的问题,提出了一种基于多种连接方式的特征提取模型,并对模型利用权值衰减、数据扩增以及批归一化等优化方法进行优化;训练目标模型的数据集,并对检测结果进行分析。分析了局部立体匹配与全局立体匹配算法,针对现有立体匹配算法无法兼顾实时性与精度的问题,提出了一种基于最小生成树的立体匹配改进算法;通过实验对本文算法和现有常用算法进行了对比分析。搭建了基于双目鱼眼镜头目标检测与定位的系统;阐述了相机标定、目标检测和立体匹配三种算法的逻辑结构;模拟海况运动,对目标检测与定位系统的监视效果进行了验证。