随着现代计算机技术的快速发展,逐渐形成了一门新兴的技术——机器视觉技术,它主要用计算机来模拟人的视觉功能从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。而智能监控就是机器视觉的一个重要的应用领域,它用计算机控制的摄像头代替人来进行相关的监控,通过对连续的视频图像的分析处理,最终实现监控的效果。摄像机标定是智能监控中一个重要的环节和必须解决的问题。本文首先对摄像机标定的背景、定义以及基本理论进行论述,接下来主要讨论了三种摄像机标定方法并进行相关实验,主要工作如下：首先详细介绍了已有的基于二维标定板的标定算法,该算法通过消失点的性质求取摄像机内外参数的初始值,并使用Guass-Newton法优化求精,并且针对该算法对特殊类型的标定图片无法计算出正确标定结果的问题,提出改进算法进行改进,经实验证明,改进算法有效地解决了上述问题；其次,针对传统非线性优化方法的标定算法存在计算复杂、收敛性差、容易陷入局部最优点、不稳定、不能保证旋转矩阵R为正交阵等缺点,本文提出了一种基于遗传算法的双阶段摄像机标定算法,设计了算法流程并通过实验,验证了这一算法不仅可以较好的解决基于传统非线性优化方法的标定算法存在的问题,并且使其标定结果也更加准确；再次,智能视频监控场景要求用尽量简单常见的标定参照物、用尽量快速简便的方法完成摄像机标定操作,基于二维标定板的标定算法,尽管标定精度较高,但不符合上述要求,因此本文针对智能视频监控场景摄像机标定,提出一种基于地面垂直目标(如人体)的标定算法,并设计了标定流程,该算法通过地面垂直目标的头顶点和脚底点得到垂直消失点和水平消失线,再根据这一数据进而计算得到相机的内参和外参。由于消失点和消失线的求解精度至关重要,因此本文采用奇异值分解(SVD)和拟合求精算法来保证其精度,同时还增强了算法的鲁棒性。最后,本文通过实验,验证了基于地面垂直目标的标定算法在实际监控场景中的应用,即利用标定好的摄像机参数测量出图像中两点在实际世界中的距离,实验证明,该算法的标定精度满足要求,在实际距离的计算上具有有效性和鲁棒性。