检测算法是什么

检测算法的基本原理是先通过训练集学习一个分类器，然后在测试图像中滑动扫描不同尺度窗口的整幅图像；对每次扫描进行分类，判断当前窗口是否为待检测目标。检测算法的核心是分类，分类的核心是用什么特征，用哪个分类器。

在计算机视觉领域，一个最基本、最经典的问题是目标识别给出一幅图像，检测器用来检测图像中的特定物体(如人脸)。检测算法的基本原理是先通过训练集学习一个分类器，然后在测试图像中滑动扫描不同尺度窗口的整幅图像；对每次扫描进行分类，判断当前窗口是否为待检测目标。检测算法的核心是分类，分类的核心是用什么特征，用哪个分类器。

背景

人类所接触到的外部信息，大约80%属于视觉信息。对于人类来说，图像和视频是对客观事物的生动描述，是人类最重要的信息来源。目标检测与跟踪是计算机视觉研究领域的一个热点。它融合了图像处理、模式识别、人工智能、自动控制等多个领域的前沿技术，已广泛应用于智能交通系统、智能监控系统、工业检测、航空航天空等多个领域。

由于现实世界中物体(尤其是行人)和场景的可变性，很难用一种约定的方法来研究它们。目标检测中遇到的主要问题是:如何准确、快速地分割目标，如何将复杂背景对目标检测的影响降到最低，如何减少目标大小、大小、形状变化导致的目标检测精度下降。另外，在目标检测系统中，系统的鲁棒性和实时性是矛盾的。

研究现状

目标检测的研究主要包括基于视频图像的目标检测和基于静态图片的目标检测。本文主要讨论基于静态图像的目标检测算法，即在静态图像中检测并定位设定的目标种类。基于静态图片的目标检测的难点在于图片中的目标会因光照、视角和目标内部的变化而发生变化[}2}。针对上述困难，国内外学者进行了许多尝试。提出的方法主要分为基于形状轮廓的目标检测算法和目标特征检测方法。

算法

检测算法可分为六类，即帧间差分法、背景建模法、点检测法、图像分割法、聚类分析法和运动矢量场法。其中，帧差法和背景建模法是最常用、最简单的算法，在研究中取得了较好的效果，但这两种方法有一个共同的特点，即只适用于静态背景下的运动目标检测。