目标候选框可以完成对目标物体的初步定位,是目标检测和目标识别的基础,既适合对多类目标的定位也适合对单类目标的定位。在实时监控系统、门禁系统、刷脸支付等实际环境中具有重要作用。所以,目标候选框的准确高效定位具有重要研究意义。本文主要从目标候选框生成的高效性与准确性两个方面进行研究。(1)本文主要针对BING方法定位准确率不高的问题,首先使用扩展模板提取特征增强物体边缘特征的判别力,从而改进原梯度特征定位偏差的问题。然后采用高斯软权重非最大值抑制算法,解决了最大目标候选框附近非最大目标候选区域被强制归零的问题,提高了BING方法定位的准确率。最后在公开的数据集上对改进算法进行验证。实验结果表明,改进的BING算法在不增加算法计算复杂度的基础上,提高了BING方法定位的准确率。(2)本文基于具有较高准确率的选择性搜索方法进行两方面的改进,一是在初始分割阶段使用汉明距离计算相邻像素之间的相似性,二是针对选择性搜索方法合并策略计算复杂的问题,使用一种基于颜色的哈希策略的方法计算图像初始分割区域的相似度,从而判断相邻区域是否可以合并。这种方法大大地减少了选择性搜索算法在区域合并时计算的迭代次数,并在公开的测试集上进行验证。结果表明,本文改进的选择性搜索方法在尽可能不降低准确率的基础上,效率提高了60%。基于目标候选框在DPM行人检测算法中的应用。本文使用改进BING算法和改进选择性搜索算法代替DPM行人检测算法中的滑动窗口完成对行人的检测。通过行人数据集INRIA对检测结果进行验证,实验结果表明,使用改进目标候选框结合DPM的方法检测行人,加快了DPM行人检测的速度,实现了对行人的高效准确定位。