近年来，计算机在智能化领域的应用受到了广泛关注。为了满足人机交互、智能监控、基于内容的多媒体检索等各种智能化系统的需求，目标检测作为其中的一项关键技术已经成为了模式识别和计算机视觉研究领域中的热点问题。但是由于受光照、视角、遮挡等因素的影响以及对检测系统的实时性要求，目标检测技术仍然是一项极具挑战性的研究课题。　　 本文首先对目标检测研究领域近年来的文献进行了深入研究与分析，对目标检测涉及的特征提取算法、机器学习算法进行了总结。从计算复杂度、精确度、鲁棒性、适用性等方面对各种特征提取进行了分析比较，总结了不同特征提取算子的性能，确定了各个检测算子的适用场景。另外对常用的机器学习算法进行了分析比较，总结了不同机器学习算法的优劣。　　 然后本文提出了基于聚类分析的特征评价体系，提出了多种特征评价参数，实现对特征性能的量化分析。通过对大量样本进行分析后将目标先验知识应用到特征提取过程中，并运用本文提出的特征评价原则，提出了基于稳定区域梯度方向直方图的特征提取算子和基于稳定区域Haar-Like特征的提取算子。　　 最后通过模拟人类视觉神经系统的感知过程，在多个简单特征的基础上提出了区域稳定特征，并对区域稳定特征的提取和优化等问题进行了研究，将区域稳定特征提取算法应用到目标检测系统，并对多尺度和多目标情况下的目标检测问题的优化进行了研究，并以自然背景条件下的行人作为目标进行了实验，实验表明本文相比同类算法具有更好的检测结果和更快的检测速度。