近年来,复杂场景下视频监控系统中的多目标检测技术成为计算机视觉领域关注的热点研究方向。由于复杂场景下各种因素的影响,在对视频图像目标检测过程中会出现检测不全、过检测和检测不到等不理想情况。这种现象影响了其在计算机视觉及其相关领域的应用。利用这种检测技术实现的多目标检测系统也会出现相应的不理想情况。本文主要基于Ncut (Normalized Cut)分割方法与Part-based Model目标物体检测方法,详细介绍了利用本文提出的分割促进检测技术完成多目标检测功能的设计与实现。本文在Part-based Model检测方法基础上,提出了一种新的改进方法：首先我们使用Ncut方法完成图像分割,使用Part-based Model检测方法完成目标物体检测；然后我们对图像分割与检测结果做膨胀、标记等一定处理,并对阈值和分数值做调整；最后我们利用分割促进检测技术实现多目标检测功能,从一定程度上解决检测过程中出现的不理想情况,提高检测的准确度。实验证明,在交通场景的图像中,使用本文提出的方法实现的多目标物体检测功能能够准确地识别图像前景中的多目标物体,取得了比较理想的效果。