همکاری و تعامل میان تعداد زیادی از گره های حسگر دوربین دار که هر کدام از یکپارچه سازی واحدهای پردازنده، ارتباطات و حسگر تصویر به وجود آمده اند، باعث شکل گیری کلاس جدیدی از شبکه های حسگر بی سیم با نام شبکه های حسگر بصری شده است. آرمان اصلی در این شبکه ها، جمع آوری اطلاعاتی در مورد محیط پیرامون حسگرهای بصری، پردازش آن ها و در نهایت، ارسال اطلاعات پردازش شده به سمت ایستگاه پایه است. برای برآوردسازی این آرمان، تشخیص هدف/اهداف به عنوان اولین چالش در شبکه های حسگر بصری به شمار می رود. در واقع، اولین گام در جمع آوری اطلاعات در مورد محیط پیرامون، تشخیص هدف است. تشخیص هدف به این مفهوم است که شبکه باید قادر به تشخیص حضور هدف در محدوده ی تحت نظارت خود بوده، و سپس اطلاعاتی از آن هدف را جهت انجام کارهای دیگر مانند شناسایی و یا ردیابی آن، به ایستگاه پایه ارسال نماید. با وجود پیشرفت های صورت گرفته در شبکه های حسگر بصری، گره های حسگر دوربین دار به دلیل تعداد زیاد، اندازه کوچک و روش قرارگیری اقتضایی، هنوز هم برای تامین انرژی خود، متکی به باتری هایی با توان اندک می باشند. همچنین، معمولاً به دلیل به کارگیری این نوع شبکه ها در محیط های خشن و غیر قابل دسترس، امکان شارژ مجدد یا تعویض گره های حسگر دوربین دار وجود ندارد. بنابراین، یکی از مهم ترین مسائل در شبکه های حسگر بصری، مسئله ی محدودیت شدید انرژی است. از این رو، لحاظ نمودن الگوریتم های انرژی-کارا در طراحی این شبکه ها برای تشخیص هدف نیز امری حیاتی جهت افزایش طول عمر شبکه بشمار می رود. بررسی روش های موجود تشخیص هدف در شبکه های حسگر بصری نشان داده اند که در بسیاری از موارد، نویسندگان جهت تشخیص هدف در این شبکه ها، از روش های مختلف تفریق پس زمینه استفاده کرده اند. درحالی که چنین روش هایی، ترافیک بالایی را به شبکه تزریق کرده و برای بسیاری از کاربردهای امروزی مناسب نمی باشند. به منظور کاهش ترافیک و بهینه سازی مصرف انرژی در کل شبکه، برخی از روش های موجود، علاوه بر تفریق پس زمینه، پیش پردازش هایی را در گره های حسگر دوربین دار انجام داده و تنها اطلاعات مفید را به ایستگاه پایه ارسال می کنند. بررسی دقیق عملکرد این روش ها نیز نشان می-دهد که بسیاری از آن ها برای مواردی مناسب هستند که تنها یک هدف در تصویر جهت پردازش وجود داشته باشد. از طرفی برخی از روش های با قابلیت پیش پردازشی نیز از مشکل پردازش های سنگین و پایین بودن امنیت رنج می برند. در این پایان نامه، برای برآورده کردن نیازمندی های کاربردها و شبکه مانند ایجاد ترافیک سبک و پیش پردازش هایی با پیچیدگی پایین، دو روش کارآمد برای تشخیص اهداف چندگانه پیشنهاد می شود. اولین روش با نام bbod ترکیبی از دو روش موجود برای تشخیص هدف در شبکه های حسگر بصری می باشد. در این روش پیشنهادی پس از استخراج چهارچوب مشترک اهداف، الگوریتم تشخیص چهره ی مبتنی بر بوستینگ برای تشخیص چهره ی اهداف به کار می رود. در نهایت، تنها اطلاعات مربوط به چهره ی اهداف به سمت ایستگاه پایه فرستاده می شوند. نتایج حاصل از شبیه سازی روش bbod اثبات می کند که استفاده از این روش، پیچیدگی زمانی الگوریتم تشخیص چهره ی مبتنی بر بوستینگ را کاهش می دهد. همچنین، از آن جایی که روش پیشنهادی، تنها اطلاعات مربوط به چهره ی اهداف را به ایستگاه پایه جهت انجام سایر عملیات ارسال می-کند، ترافیک کمتری را نیز به شبکه تزریق می نماید. در کنار مزایایی که روش bbod فراهم می کند، این روش قادر به حداقل رساندن پیچیدگی زمانی الگوریتم تشخیص چهره ی مبتنی بر بوستینگ نمی باشد. دلیل این امر استفاده از چهارچوب مشترک اهداف به عنوان ورودی الگوریتم تشخیص چهره ی مبتنی بر بوستینگ می باشد. برای حذف فضاهای غیرهدف در چهارچوب مشترک اهداف و در نتیجه کاهش پیچیدگی زمانی الگوریتم تشخیص چهره ی مبتنی بر بوستینگ تا حد ممکن، روش دوم با نام lmfd را ارائه می دهیم. در این روش ابتدا چهارچوب جداگانه ای برای هر یک از اهداف استخراج کرده و این چهارچوب ها را به عنوان ورودی به الگوریتم تشخیص چهره ی مبتنی بر بوستینگ می دهیم. نتایج حاصل از شبیه سازی روش lmfd نشان می دهد که استفاده از چهارچوب جداگانه ای برای هر یک از اهداف، پیچیدگی زمانی الگوریتم تشخیص چهره ی مبتنی بر بوستینگ را به حداقل رسانده و مصرف انرژی کلی شبکه و ترافیک تزریقی به آن را نیز کمینه می نماید.