《传统目标检测算法发展现状的文献综述》2400字.docxVIP

传统目标检测算法发展现状的文献综述

目标检测技术在日常生活中随处可见——视频中的物体定位、安防领域中的人脸识别、制造业中的缺陷检测……这些都离不开目标检测技术。目标检测技术是如今计算机视觉中的重点研究方向，有着广阔的应用前景和价值。传统目标检测算法主要是基于机器学习进行检测，主要分为四个步骤：首先使用网络检测图像，然后标注出物体在图像中的位置信息，再利用检测窗口遍历整张图片得到所有的候选框。之后提取出框中物体的特征信息。最后利用分类器对特征信息进行分类，检测后得到结果。

基于机器学习的传统目标检测方法最初起始于上世纪90年代。1982年，DavidMarr提出了一个基于数学原理的检测框架[1]，其中几种用来检测物体的形状特征的算法后续可以成为对计算机视觉进行目标检测的理论基础，这是目标检测的最初雏形。之后科学家们开始了对物体的形状轮廓等以及物体的明暗、纹理等特征信息深入研究，对这些特征信息进行了分类，并对其之间的联系进行了总结。Davidlowe于1999年提出了SIFT尺度不变特征变换[2]；2005年，Dalal等人提出的梯度方向直方图[3]，成为了如今计算机视觉领域常用的提取物体特征纹理的算法。2006年，Lazebnik,Schmid和Ponce提出的一种基于三维空间的图像金字塔算法即SPM（SpatialPyramidMatching），通过统