在摄像头检测中，确定需要检测的目标通常需要经过以下步骤：
定义检测任务：首先需要明确需要检测的目标是什么，例如人脸、车辆、动物等。根据需要检测的目标类型，选择相应的检测算法和模型。
数据采集：收集包含待检测目标的图像数据集，同时标注目标位置和类别信息。数据集的质量和多样性对检测性能有重要影响，因此要确保数据集覆盖各种场景和情况。
训练模型：使用深度学习方法如卷积神经网络（CNN）等训练检测模型，通过反向传播算法调整模型参数以最小化预测结果和真实标注之间的误差。训练的过程通常需要大量的计算资源和时间。
模型评估：使用标注好的测试集对训练好的模型进行评估，包括计算准确率、召回率、F1值等指标来评估模型的性能。根据评估结果可以对模型进行调优和改进。
部署模型：将训练好的模型应用到实际场景中进行目标检测，可以通过摄像头实时捕获图像或者处理现有视频流。检测到的目标会被标注并显示在图像中，方便用户观察和分析。
总的来说，确定需要检测的目标在摄像头检测中是一个复杂的过程，需要多个环节的配合和努力。只有经过充分的数据准备、模型训练和评估等步骤，才能获得高质量的目标检测结果。