物体检测是计算机视觉研究领域里一个非常基础但极富挑战性的课题，与计算机视觉中的许多研究内容联系紧密。物体检测拥有广阔的应用背景，是基于内容的图像检索、视频监控、物体跟踪、自然人机交互和智能交通系统不可或缺的基础组成部分之一。由于物体类内变化大，物体检测任务相当困难。尤其是实时应用系统中，物体所处的成像环境异常复杂，视角差异、光照影响、物体变形、遮挡、背景差异等都会严重影响物体检测算法的性能。本文针对上述这些问题，提出了一种基于范例度量学习的物体检测算法。具体包含以下几个方面的工作：首先介绍了物体检测的研究背景和意义，阐述了物体检测的基本问题和研究方法，总结了物体检测的研究现状，分析了物体检测中存在的问题和现有方法的不足，针对这些不足引出了本文的研究工作；其次总结了度量学习的一般方法和研究进展，介绍了度量学习在计算机视觉领域的相关应用，包括基于内容的图像检索、图像分类和人脸认证等；然后提出了一种基于范例度量学习的物体检测算法，该算法结合度量学习对范例特征的各个方向进行判别性分析，并用于提升物体检测的性能；接着以侧面汽车和人脸为检测对象，分别在UIUC-Car和FDDB两个数据库上分析了本文算法的性能，实验结果表明本文算法可以较好地处理物体检测中广泛存在的类内变化大、背景复杂等问题；最后对全文的工作进行总结以及展望。