袁慧敏，张绪红

（广东技术师范大学 自动化学院，广东 广州 510000）

1.引言

当今社会，图像处理已成为广泛的探索领域，主要包含以下几个方面：图像的数字化处理、图像的标准变换、图像的效果增强、恢复、分割、特征的识别等等[1]。本文主要讨论图像识别的相关内容，图像识别是指计算机视觉、自然语言处理以及AI的三大热点方向。目标检测和识别就是物体的检测识别。首先，检测是视觉感知的第一步，它可以在图像中搜索出某一目标，而目标识别可以理解为是图像的分类，用来确定在图像块中找到目标的具体类别。

计算机视觉的一个重要任务是目标检测，主要用于在数字图像中检测特定类别的视觉，判断图像中有没有来自给定类别(如植物，动物，交通工具等等)的对象实例，目标检测是复杂或高级视觉任务的基础，如图像分割、目标跟踪、事件检测和活动识别[2]。广泛应用于物体表面的缺陷检测、人脸检测、行人检测等领域。当今时代，深度学习技术的发展渐渐成为主流，人们广泛关注于基于卷积神经网络的目标检测算法，出现了很多结构简单，运行效率高的网络模型，使得这些算法能得到大规模应用，然而对于目标检测的难点，国内外的研究者们提出了很多解决方案并做了大量尝试。比如，Itti等人构建了选择性注意机制来提取图像中的显著区域[3]；Viola和Jones等提出级联检测器框架并成功应用于人脸检测[4]；Navneet 等人则提出Hog和SVM结合使用的思想，Hog被用来进行图像特征提取，线性SVM被用作分类器，从而实现行人检测[5，6]；……