目标检测技术是计算机视觉领域重要的研究方向之一,检测技术的发展有效的帮助人们解决了很多问题,并广泛的应用在现实生活中。可变形部件模型(Deformable Part Model,DPM)是目标检测技术中非常流行的一种方法。DPM是基于方向梯度直方图(Histogram of Oriented Gradients,简称HOG)特征的目标检测模型,相比于其他的目标检测技术,DPM可以很好地解决光照因素对检测结果的影响,同时在模糊可视性方面还占有很大的优势,具有极高的识别正确率。目前DPM仍存在一些缺陷。DPM在HOG基础上进行改进,但是原始HOG特征中仍存在一些缺陷,使得DPM目标检测效果不够理想。本文主要针对DPM的两个缺陷进行改进。一,DPM是在HOG特征的基础上进行改进来提取特征,其中HOG的优点之一是HOG表示的是边缘(梯度)的结构特征,可以描述局部的形状信息。但在平滑区域内,HOG不能有效地体现区域特征信息。且当目标对象与其图片背景颜色差距不大时,HOG也不能清晰地给出目标对象和背景之间的边缘轮廓。二,DPM针对混合模型检测目标对象的判定标准,通过分数辨定当前检测图片中是否存在目标检测对象。这个分数是两部分分数之和:一是根滤波器得分,二是部件滤波器分数总和。当检测的图片中目标对象存在遮挡问题时,部件滤波器在特征提取时部件不能够很好地得到较为全面的特征信息,导致获取特征信息模糊,可能导致遮部件位置检测正确时,部件滤波器计分偏低,从而使最高分偏低,造成目标检测时发生漏测现象。本文中,针对上述DPM的两个问题进行优化,提出来一种基于多融合特征的DPM算法,主要改进点有两点:一提出来基于HOG和旋转不变性等价局部二值模式(Local Binary Pattern,简称LBP)特征的HL融合特征作为DPM的特征提取,既能够得到梯度信息,又能够有效的表示图片的纹理信息,有效的解决了在平滑区域内,HOG不能有效地体现其特征信息的问题,同时,也解决了当目标对象与其图片背景颜色差距不大时,HOG不能很好地体现目标对象和背景之间的边缘轮廓的问题。二是提出加权部件模型,用于提高有效信息部件滤波器的利用率,在目标检测过程中,当存在被遮挡时,能够对不同部件滤波器的重要度进行一个区分,使得有效特征信息的部件的权值变大,响应分变高,特征信息较少或者没有检测到特征信息的比重变小,这样能够充分地发挥有用部件的作用,避免了因遮挡造成的检测信息浪费,很大的提高了检测正确率。实验证明,这一模型可以有效解决本文中提出的原始DPM存在的问题,提高目标检测的正确率。