检测图像中是否存在汽车或其他目标(如行人、树木、建筑物等)有着重要的民用和军用价值，因此成为近年来计算机视觉和模式识别中的一个研究热点。国内外的学者针对该问题已经进行了大量的研究且提出了许多不同的检测方法。其中，借鉴人类视觉检测机理的方法称为仿牛方法。Thomas Serre等人在前人研究的基础上，提出了自己的仿生检测模型，和其它方法相比，这种方法具有较高的检测准确率，但缺点是提取出来的仿生特征具有较高的维数，这就使得分类器的训练和检测效率很低。　　 针对这一不足，本文提出了一种基于仿生特征和数据降维的汽车图像检测方法，该方法首先基于标准模型提取图像的仿生特征，但并不直接采用仿生特征而是对仿生特征进行数据降维后再进行分类器的训练和检测，避免分类器在大特征维数下的训练和检测，以提高分类器的训练和检测效率。基于标准汽车图像库对此方法进行了汽车/非汽车两类分类实验，实验结果表明此方法不但可以提高分类器效率，并且一定程度上提高了检测准确率。