目标检测作为视频监控系统研究中的底层任务,能够为系统中高层任务的实现提供有效的决策信息。然而,在复杂的交通环境中,多目标之间容易形成遮挡,造成目标信息损失,引起目标漏检问题。如何分析通用类别下的遮挡关系,解决遮挡目标漏检问题,是该领域研究的热点。本文在总结目标遮挡处理方法的基础上,阐述现有方法存在的不足。针对该问题,将部件检测模型与遮挡关系分析方法相结合,构建遮挡补偿模型。为获得原有的(遮挡)目标信息,对目标结构化表示进行研究,利用部件检测模型获得目标的外观信息和结构信息；采用目标可见性估计因遮挡引起的目标信息损失,为获得该遮挡补偿信息,利用部件位置和目标尺寸的信息,研究单线索/多线索的部件可见性,进而完成遮挡目标检测任务。本文主要工作如下：(1)通过分析遮挡目标检测研究现状,指出该领域中的三个研究问题,分别为遮挡概率估计、遮挡类型估计、遮挡部件分析,进而引出遮挡目标检测模型的基本假设：在部件检测模型的基础上,能够利用部件可见性估计目标遮挡关系。(2)概述目标结构化表示的动机,引出结构化描述的定义,分析目标模板的学习过程,以及模板外观匹配和结构匹配过程,指出目标结构化表示的局限性：即在目标遮挡情况下,目标外观估计失败,引起目标漏检。(3)为解决遮挡目标漏检问题,将部件遮挡标记判定引入基于部件的目标检测模型框架中,得到面向部件遮挡补偿的目标检测模型,并针对该模型中部件可见性估计问题,利用单线索／多线索部件可见概率估计遮挡补偿得分,提高遮挡目标检测准确性。(4)为降低遮挡补偿信息带来的检测虚警影响,分析不同部件提供遮挡补偿信息的可靠性,采用加权方式调整遮挡补偿信息。在PASCAL数据集上验证了本文方法的有效性,在保持虚警率相同的前提下,加权遮挡补偿模型能够减少遮挡目标漏检情况发生。