目标检测是计算机视觉领域的关键问题之一,它在人机交互,智能驾驶,视频监控等领域都有着广泛应用。级联分类器由于其具有较好的实时性,成为许多目标检测系统中的重要组成部分,本文研究了级联分类器中的一个子类别,即软级联分类器在目标检测中的应用,主要内容如下:1.探讨了一种将已有的加性分类器变换成软级联分类器的算法,称为软级联变换,该算法能在不牺牲原有加性分类器性能的情况下,显著提升分类器的分类速度;将软级联变换应用于加性核化SVM,得到了一种名为SCAK-SVM的软级联分类器;研究了一种特征逆映射方法,该方法能与现有的显式特征映射方法结合,在提高SCAK-SVM分类器的训练速度的同时不影响分类算法的复杂度。2.研究了适用于SCAK-SVM的特征提取方法,将SPHOG特征与ChnFtrs特征结合,研究了一种扩展的SPHOG特征,称为多层次网格特征,本文将该特征与软级联加性核化SVM分类器配合使用,取得了较好的目标检测效果;分析了多层次网格特征计算中各个参数对检测性能的影响;基于线程池技术,优化了目标检测窗搜索的运行速度。3.设计了一个完整的目标检测系统,讨论了目标检测系统中的几个重要步骤,包括SVM的参数选择,训练图片的截取方法,自举训练策略,图像的预处理以及非极大值抑制算法;基于MATLAB GUI技术设计了一个目标检测算法实验平台,该平台具有数据标注,检测器训练与性能评估,检测效果演示功能。