近年来,人工智能逐渐成为热门的技术领域,诸多行业相继提出“人工智能+XX”的概念,极大地推动了人工智能的发展。图像目标检测是人工智能中一个重要的发展方向,研究图像目标检测技术具有十分重要的意义。在军事上,能够提高部队战斗力与智能化水平;在民用上,相关应用全面覆盖衣、食、住、行。本文在总结研究现状、剖析图像目标检测原理的基础上,从静态图像目标检测和序列图像目标检测两个方面展开研究。本文的主要工作包括:1.从静态图像目标检测、序列图像目标检测两个方面对图像目标检测国内外研究现状进行梳理和总结,提炼出当前研究存在的问题。系统地分析了以Faster RCNN、YOLOv3等算法为代表的基于CNN的静态图像目标检测原理与以帧差法为代表的基于运动特性的序列图像目标检测原理,在对CNN的前向逐层运算及输出特点、推断过程的后处理、算法性能评价方法、两阶段法与一阶段法的特点分析和帧差法、运动目标区域增强方法进行详细介绍和分析的基础上,提出本文研究框架。2.针对如何快而准地实现静态图像中目标检测与包含更多差异度小的多种多值属性识别的问题,在基于CNN的静态图像端到端的一阶段法YOLOv3基础上,提出一种端端快速目标检测与属性识别算法。考虑到多种属性间存在依赖关系可被利用,通过规划属性的划分,将属性分成主属性、依赖属性和一般属性三种类型,并提出由主属性引导的依赖属性取值确定方法。即训练过程中,在分类损失函数中对依赖属性不可能出现的取值和主属性分类损失赋予较高的惩罚系数;推断过程中,由主属性预测取值确定依赖属性取值的范围。由于多种属性的多个取值将组合得到大量类别,不利于NMS处理,为此,提出以预测目标框包含真实目标的定位置信度作为NMS排序依据确定目标的预测位置,并基于投票法确定对应目标各种属性的预测取值。此外,提出top-1定位&识别准确率和top-3定位&识别准确率度量算法精度。3.针对如何以较低的漏警率和虚警率对序列图像中运动小目标实施检测的问题,基于目标的运动特性,特别是其在帧间形成的航迹,提出一种航迹关联运动小目标检测算法,将运动小目标检测分解为疑似目标的初步检测和疑似目标中虚假目标的过滤两个过程。由于帧差法存在阈值单一化的问题,为此,提出区域纹理特征与差值概率融合的二值化阈值设置方法,该方法基于各个划分子区域中的倒数差分矩自适应地确定阈值,从而可以在一定程度上降低漏警率。在上述阈值确定方法基础上,基于帧差法和运动目标区域增强方法实现采用中心位置标记的疑似目标初步检测。为了进一步降低虚警率,通过计算疑似目标航迹关联相关参数,并设置双门限实现疑似目标中虚假目标的过滤。4.针对如何进一步确定序列图像中运动小目标的具体类别与修正目标位置的问题,在提出的基于CNN的两阶段运动小目标识别算法基础上,构建双视场下运动小目标检测与识别系统。该系统首先对较小焦距镜头与较大焦距镜头的成像进行配准,以建立双镜头形成的双视场中共有区域成像的像素位置对应关系;然后,基于上述建立的对应关系,在较大焦距镜头成像中生成可能包含运动小目标的候选区域;最后,利用所提识别算法确定上述候选区域中运动小目标的具体类别和修正位置。此外,分析了识别过程中的主要运算耗时,通过对各种主要运算的时间复杂度分析,说明所提提速方法与策略的有效性,并对系统界面设计、硬件组成、实际运行效果、模块组成与编码实现做出详细说明。