视觉目标检测技术是通过对图像序列中的目标进行检测和提取,以获得目标参数信息。它是图像处理与计算机视觉领域中的重要分支,具有广泛的应用。随着心理学和生理学的研究深入,科学研究者逐渐开始通过信息科学表现生理学和心理学研究的视觉认知机制,它摒弃了从图像角度分析目标,开始从人的视觉认知系统角度出发,将视觉特征应用于目标分析检测理论。车辆检测技术正朝向视觉检测立体化、智能化、实时性等方向发展。但是,现阶段在复杂场景中的车辆检测在识别速度和有效性上还不能完全达到人们预想的水平。为了解决复杂场景中的车辆目标检测问题,本文提出基于特征显著性目标检测结合分类器的算法,主要完成以下工作：首先,针对复杂地面场景图像中的车辆目标检测问题,提出一种通过特征显著性分析确定目标候选区域的方法,主要包括：采用自下而上的策略,根据底层视觉特征,计算特征显著性地图,采用积分图加速搜索感兴趣区域；通过空域与时域累积增强特征显著性地图,合并相近的强响应区域,获得目标候选区。其次,针对车辆目标检测算法中存在车辆位置信息不明确问题,采用分类器对目标候选区进行再筛选,降低虚警,得到车辆目标的确切位置。本文采用视觉词典特征+SVM分类器的方法。这种方法通常应用在场景分类以及文本分类中,本文是将这种方法引入到车辆目标检测问题中。主要包括：采用K-means聚类、SIFT描述子构建视觉词典,结合SPM方法将视觉单词的频率统计直方图作为图像特征训练SVM分类器模型,对车辆目标进行检测分类。