随着计算机、电子科学、网络技术的发展，智能监控越来越多的受到人们的关注。传统的视频监控手段通常情况下可以满足安全防卫的基本需求，但是不足之处也日益明显:首先，无法主动跟踪监控目标，只能被动的对预定角度的目标进行监控;其次，无法对视区外的异常情况进行响应，存在监控盲区;最后，对视区内的目标无法进行识别，从而进行精确对准以提高对异常目标的识别度。针对这些缺点，本文结合声源定位技术和图像处理技术，利用仿生原理，受到人类大脑联合听觉与视觉两种感官信息在复杂的环境下准确跟踪和识别事物现象的启发，利用声学信号全方位空间扩散和可规避障碍物的特性，采用基于MEMS麦克风阵列的声源定位系统并结合可以360°调整角度的球形摄像装置，组成一个声源定位与视频跟踪相互协调、相互补充的更加有效地监控系统。本文的创新点和主要工作概括如下:　　首先，在听觉层面，采用了数字式全向性MEMS(Micro-electro-mechanical system)麦克风作为阵列阵元，设计出一种全新的声源定位系统。与传统的驻极体声麦克风不同，数字式MEMS声传感器具有小型化、低功耗、灵敏度高、频响平直、全向性和一致性较好的特性，并且数字化的输出有利于系统的集成。集成FPGA数据采集模块、DSP数据处理模块和MEMS麦克风阵列在一块直径为9cm圆形PCB板上。实现了系统的高集成度、便携性、实时性和低功耗。使用音频端点检测算法对阵列采集到的信号进行预处理，有效减少运算量。采用了宽带频域波束形成算法，有效的实现了对远场声源信号的定位。在非消声室环境下对具有非平稳特征的声音信号进行了测试验证，验证结果表明本系统定位分辨率较高，实时动态效果良好。　　其次，在视觉层面，阐述了本文中用到的图像处理方法。介绍了几种目标检测的方法并对他们的优缺点进行了分析比较。提出了一种利用帧差法对目标进行检测并利用MeanShift算法对目标进行跟踪的方法。在室内环境和背景相对复杂的户外环境下对视觉跟踪模块进行了跟踪成功率测试，测试结果证明本系统跟踪成功率较高，实时性较好。　　最后，本文利用matlab以及MFC联合进行了监控系统中声源检测与视频定位系统的上位机的设计与开发。