物体定位指的是在给定的图像中找到特定某种物体的确切位置,图像中可能存在一个或多个物体,也可能不存在目标物体。在一些复杂场景下,由于背景复杂、光照不均、部分遮挡、物体形变等影响,使得物体定位存在一定的难度和挑战。在特定的复杂场景下,往往采用特定的物体定位方法效果要优于通用的定位方法。物体定位在遥感图像、医学图像、工业视觉等领域都有着广泛的应用。本文结合物体定位方法的理论研究,深入分析研究了三种典型的复杂场景:1)工业生产中罐装瓶身的标贴定位;2)手机拍摄图像中的条码定位;3)包装行业中的箱内油瓶定位。针对这三种场景,本文提出的方法如下:1、立足于图像匹配的物体定位方法,提出一种基于特征点匹配的标贴定位方法,在给出目标标贴位置的同时,也可以剔除不符合包装质量的漏标、错标、歪标,同时为后续瑕疵检测等步骤提供了便利。并通过实验证明了此方法在复杂的图像背景中,包括复杂背景干扰、光照不均、部分过曝等情况,依然有很高的检测准确率以及检测效率,完全能够达到实时检测的要求。2、结合物体分类方法,提出一种基于机器学习和霍夫变换的条码定位方法。实验证明此方法对各个旋转角度的条码以及扭曲、光照不均、部分遮挡等情况都具有良好的检测效果,同时在检测时无需任何先验信息以及人为标注;并且能够检测出条码的准确的包围盒,为接下来的解码操作提供准确的条码区域,减小解码时搜索的区域和花费,提高解码的精度。3、结合图像分割和物体检测的思想,提出一种基于可变形部件(DPM)模型的箱内油瓶定位方法。此方法通过使用最大稳定极值区域(MSER)算法准确分割出物体区域,避免了滑动窗口法的穷举搜索和多层图像金字塔的构建,极大地提高了算法的检测效率;同时通过对分割出的物体的旋转克服了可变形部件模型对旋转物体识别率不高的问题。通过实验证明了此算法在检测准确率和检测效率上都能够达到工业生产的需求。