陈辉东 丁小燕 刘艳霞

[摘 要] 目标识别和定位是计算机视觉领域研究的主要问题，图像分割、目标跟踪、目标行为分析等都是以图像中的目标检测为基础的。随着深度学习技术的发展，目标检测算法取得了巨大突破。在广泛调研相关文献的基础上，对目标检测算法进行分析和对比，分别研究基于区域提取的两阶段目标检测架构和直接位置回归的一阶段目标检测架构的本质特点和发展过程，并提出未来的发展方向。

[关键词] 目标检测;深度学习;卷积神经网络

[中图分类号] TP 391.4  [文献标志码] A  [文章编号] 1005-0310（2021）03-0039-08

Abstract：  Target recognition and localization are the main research issues in the field of computer vision. Image segmentation， target tracking， target behavior analysis are all based on target detection in images. With the development of deep learning technology， target detection algorithm has made a great breakthrough. On the basis of extensive research on relevant literature， this paper analyzes and compares the target detection algorithm， respectively studies the essential characteristics and development process of two-stage target detection architecture based on region extraction and one-stage target detection architecture based on direct location regression， and puts forward the direction for future development.

Keywords： Target detection;Deep learning;Convolutional neural networks

0 引言

目标检测包括分类（Classification）和定位（Location）两方面。目标检测应用领域广泛，包括人脸检测、行人检测、车辆检测等。由于检测物体形状各异，实际场景存在背景复杂、遮挡严重及光照影响等问题，设计高精度的检测模型具有很大挑战。传统的目标检测算法分为3个步骤，如图1所示。

1）候选区域选择：通常使用滑动窗口（Sliding Windows，SW）算法，通过不同大小的滑窗在输入图像上划定目标可能存在的区域，对目标进行初步定位。

2）特征提取：使用局部二值模式（Local Binary Pattern，LBP）、方向梯度直方图（Histogram of Oriented Gradient，HOG）等算法对候选区域进行特征提取。

3）分类：通过支持向量机（Support Vector Machines，SVM）、Adaboost等算法对提取的图像特征进行分类。

传统目标检测算法没有针对性地使用滑动窗口去检测目标，不仅效率低，准确率也不高，而且人工选择的特征对于形状各异的不规则物体鲁棒性较差[1-5]。随着深度学习技术的发展，利用卷积神经网络（Convolutional Neural Networks，CNN）[6]提取图像特征，从而实现目标检测，已成为机器视觉领域研究的热点之一。……