文献综述
摘要：随着社会发展、安全需求的提升，特定目标检测追踪的研究在模式识别领域日趋处于主导地位。目前，目标检测追踪已经在病变细胞识别、机械零件缺损、家居安防、机器人智能系统等领域得到了广泛的研究和应用。如果一种方法能够在视频中实时实现多种特定目标的检测追踪，这无疑为生物医学、军事打击、民生安全等领域的研究大启方便之门。Adaboost算法具有高的检测精度、良好的实时性、对光照和姿态的强鲁棒性等特点，在目标检测领域受到了广泛应用。
关键词：目标检测 Adaboost 强分类器
计算机视觉的研究目的是利用计算机代替人眼及大脑对于景物环境进行感知、解释和理解。它是一门交叉性很强的学科，涉及计算机、心理学、物理学、信号处理和应用数学等。近二十年随着各学科和计算机技术的发展，计算机视觉取得了蓬勃发展，在各领域取得了广泛的应用。
目标检测是计算机视觉领域中近年来兴起的一个应用方向。目标检测算法的研究起始于20世纪70年代。当时人们开始研究物体图像的计算机描述表示形式，图片的自动追溯等[1]。开发了诸如光学字符识别(OCR)系统，固定场景下的车牌识别系统、简单背景下物体形状检测、流水线简单工件缺陷检测等一些实用的模式识别系统[2,3,4]。第二个阶段是以类别为代表的目标表示、检测阶段。从20世纪90年代开始至今，人脸检测、汽车检测，航空军事目标检测等成为了当今军民两用的热点研究领域。
人机交互：传统的人机交互是通过计算机键盘和鼠标进行的，然而人们期望计算机具有智能，能够以自然的方式与人交流。实现这一目标的可能方式之一是使计算机具有识别和理解人的姿态、动作、手势等能力，跟踪是完成这些任务的关键一步。
机器人视觉导航：视觉传感器是智能机器人的一种十分重要的信息源，为了能够自主运动，智能机器人需要能够认识和检测环境中的物体[5,6,7]。在机器人手眼应用中，检测技术用于从安装在机器人手上的摄像机中拍摄的物体，计算其运动轨迹，选择最佳姿态抓取物体。
目标检测算法分为两种：
1、静态目标检测。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
