物体识别是近年来图像处理和计算机视觉领域一个十分活跃的分支和备受关注的前沿课题。该领域的研究有着广泛的应用价值,如应用于智能安全监控、人机接口、人体运动细节分析等方面。可变形模板和勾描特征都是物体识别方面非常重要的元素,在物体识别中,勾描可以简单又直观地表示物体信息。最近,针对可变形模板,Wu等人提出动态基(Active Basis)模型来共享物体勾描特征,其中每一笔勾描都允许在位置和方向上有一定的平移和旋转。本文在总结和分析了国内外相关研究工作的基础上,针对复杂场景中物体识别问题展开研究,在上述动态基模型的完整理论框架下,设计出一种基于可变形模板的混合模型,该模型结合物体的纹理特征和勾描特征,利用它大大提高了其在复杂场景中的物体识别效果。对同一物体的不同样本上的细微差别,Wu等人提出了动态基模型来提取它们,模型中的每一笔勾描特征都允许在方向和位置上有一定的旋转或平移。而对于不同样本中的纹理差异,假设它们和自然图像集有相同的纹理特征,在模型中不需要对其进行描述。然而事实上,对某一类特定的物体,其纹理特征和自然图像集的纹理特征服从完全不同的分布。我们从一个前景掩膜(Mask)上提取对应物体这部分特征的均值,并把每个方向上的均值作为一个独立的特征,用高斯分布分别拟合特定物体集和自然图像集上的边缘分布。然后把这个分布结合动态基特征形成一个联合概率以区分前景物体和背景。跟原始的动态基模型比较,实验表明新模型明显提高了物体的识别效果并且可以有效地识别复杂场景中的物体。本文进行了大量的物体识别实验,分别对50类不同的物体样本训练出对应的模板,并将它们的检测结果与用相应的动态基模板得到的识别结果进行了比较。结果显示,利用本文设计出的模板的检测性能基本上优于用原始的动态基模板检测性能。