计算机视觉作为人工智能的重要组成部分近年来随着社会发展与日益增的需求得到了高速发展和广泛应用。物体检测技术作为计算视觉的核心技术之一,近年来也成为了学术界和工业界研究的热点,并取得了显著的研究成果,被广泛用于社会生产和人类生活中。物体检测是智能视频监控、目标识别与跟踪、行为分析与感知等高级计算机视觉技术的基础,所以对物体检测的研究具有重要的意义和价值。本文根据实际应用需求的不同将物体检测分为运动物体检测和特定物体检测两类。然后分别对运动物体检测和特定物体检测的国内外研究现状、相关技术及难点、理论知识和主要方法进行了介绍与分析,并且针对各自存在的主要问题提出了相应的解决方法。首先,介绍了主要的运动物体检测方法及其原理。重点分析了背景差分法中的码本模型,针对运动阴影会使检测结果发生形变和丢失的问题,提出了基于码本模型的运动阴影去除算法来去除运动阴影,从而准确地检测出运动目标物体。其次,分析了基于候选区域的深度学习物体检测方法及原理。针对选择性搜索在候选区提取时速度慢、生成大量重叠冗余的候选区域,从而降低网络模型训练速度和检测速度的问题。本文结合视觉显著性对Edge Boxes算法进行改进,然后用改进后的Edge Boxes算法生成的物体候选区域对Fast R-CNN进行训练和检测,有效地提高了 Fast R-CNN的训练速度、检测速度和检测准确度。