目标检测是从获取的图像中提取感兴趣的区域,作为图像处理的一个基础而重要的问题深受国内外学者的重视,在视觉导航、目标侦查、空间遥感等方面具有广泛应用。由于目标本身外表的多变性和外界环境的复杂性,因此从静态图片中检测并定位某一类目标(例如人或车)的工作变得非常复杂。基于可变形部件模型DPM (Deformable Part Model)的目标检测算法是由P. Felzenszwalb于2008年提出,是一种鲁棒且高效的目标检测方法。目前DPM已成为众多分类、分割、姿态估计等算法的核心部分,利用这个模型的方法在近几届PASCAL VOC Challenge中都取得了较好的效果。基于可变形部件模型的目标检测算法采用方向梯度直方图HOG (Histogram of Oriented Gradient)进行特征表示,由于HOG无法处理模糊的边界而且忽略了平滑的特征区域,从而影响了DPM算法的性能。近年来对于稀疏表示的研究越来越热,尤其是在图像处理和识别方面效果显著。为了提高DPM的性能,提出一种基于稀疏表示的可变形部件模型目标检测的方法。该方法利用稀疏编码构建一种新的特征描述子来取代原可变形部件所使用的方向梯度直方图,新的特征描述子能够描述物体更多的信息,对图像中的噪声不敏感。实验结果表明,提出的方法在PASCAL VOC 2012数据集上提高了原可变形部件模型算法的精度。