随着计算机技术的发展和互联网的普及,图像和视频由于包含信息较多,使用面越来越广。如何对图像和视频数据进行分析、快速准确地从海量数据中找到想要的信息,已成为大数据时代的研究热点。多物体检测方法旨在从图像中获取多个物体的位置和类别信息,在图像检索、智能监控等领域有着广泛的应用前景。由于图像中的物体受到视角、光照、姿态、尺度、旋转等多个因素的影响,如何准确、快速地检测出不同物体是物体检测算法共同面临的挑战。本文首先研究了基于形状的多物体检测算法。目前,大多数检测算法都是基于滑动窗口的方式,比较耗时。而使用对象性估计的方法提取出可能存在物体的候选窗口,再对候选窗口进行特征提取和分类,这种方法的效率相对较高。本文提出一种利用形状特征进行对象性估计的方法。该方法首先使用Sketch Tokens获得边缘图像,再使用GPU加速的Hough变换检测图像中的圆,获得候选窗口。最后,对候选窗口提取CNN特征,并使用SVM进行分类,得到每个物体类的检测结果。在ILSVRC数据集的8个球体类中,该方法的平均准确率(MAP)达到了34.33%。本文还研究了基于特征融合的多物体检测算法,提出一种基于CNN与HOG两种特征融合的多物体检测方法。研究表明,物体检测任务中同时使用高层特征与低层特征可以提高检测效果。CNN特征是一种深度学习的高层特征,在训练数据量足够庞大时,能够挖掘出数据本质的特点,具有很强的表达能力。HOG特征是一种基于像素梯度的低层特征,能够消除光照变化、物体位移等带来的影响,在物体检测中表现出较好的性能。本文提出一种基于CNN和HOG特征融合的多物体检测方法。该方法使用对象性估计的方法对每幅图像提取约300个候选窗口,在学习过程中对每个窗口提取其CNN特征和HOG特征并分别训练模型,在决策过程中对两个模型的决策分数进行加权,得到最后的决策结果。在ILSVRC数据集的8个球体类中,该方法的MAP达到了35.08%,其中单个类别的平均准确率最大可提高3.83%。