网络摄像机一般由镜头、图像传感器、声音传感器、A/D转换器、图像、声音、控制器网络服务器、外部报警、控制接口等部分组成。
镜头
镜头作为网络摄像机的前端部件，有固定光圈、自动光圈、自动变焦、自动变倍等种类，与模拟摄像机相同。
图像传感器、声音传感器
图像传感器有CMOS和CCD两种模式。CMOS既互补性金属氧化物半导体，CMOS主要是利用硅和锗这两种元素所做成的半导体，通过CMOS上带负电和带正电的晶体管来实现基本的功能的。这两个互补效应所产生的电流即可被处理芯片记录和解读成影像。CMOS针对CCD最主要的优势就是非常省电。不像由二级管组成的CCD和CMOS电路几乎没有静态电量消耗。这就使得CMOS的耗电量只有普通CCD的1/3左右，CMOS重要问题是在处理快速变换的影像时，由于电流变换过于频繁而过热。暗电流抑制的好就问题不大，如果抑制的不好就十分容易出现杂点。
CCD图像传感器由在单晶硅基片上呈二维排列的光电二级管及其传输电路构成。光电二极管把光转化成电荷，再经转化电路传送和输出。
通常，传送优良图像质量的设备都采用CCD图像传感器，而注重功耗和成本的产品则选择CMOS图像传感器。但新的技术正在克服每种器体固有的弱点，同时保留了适合于特定用途的某些特性。这一部分与模拟摄像机相同。 声音传感器即拾声器或叫麦克风，与传统的话筒原理一样。
