对图像中的特定目标进行实时检测是机器视觉应用中的关键技术,目标检测分为判断场景中是否存在目标和确定目标的位置两部分内容,目标检测算法的设计将直接影响着检测结果的快捷性、稳定性和准确性。因此,研究实时、鲁棒和精确的目标检测算法一直是机器视觉领域中的热点题目。目标检测算法本质上是一类应用型的组合优化问题,在传统的目标检测算法基础上加入各种启发式优化算法受到了越来越广泛的重视。本课题来源于广东省自然科学基金项目(07001748):“基于竞选算法的多目标并行检测方法研究”。本文将竞选算法应用于目标检测,在有关算法的研究基础上,开发了基于机器视觉的实时目标检测系统的核心模块。具体内容主要包括如下几个方面:首先,根据实际工程的需要,选择了合适的设备,在先进的开发平台上,利用现有的软件并配置相关的硬件,搭建了机器视觉系统开发平台,实现对实时目标的检测;其次,介绍了竞选算法的思想、框架及特点,详细概述了竞选算法的计算流程,并使用遗传算法的标准测试函数对竞选算法进行验证;再次,概述了图像分割和图像匹配的定义、用途及其发展现状和趋势,并在此基础上提出了基于竞选算法的自适应分块图像分割算法和图像匹配算法,并用标准测试图片对算法的性能和效果进行了实验和分析;最后,总结了目标检测所涉及的几个关键技术——图像特征提取、目标建模和检测算法设计,在基于竞选算法的自适应分块图像分割算法和图像匹配算法的研究基础上,设计了目标检测算法;在OpenCV图像处理函数库的基础上与本文的目标检测算法相结合,采用VC++6.0为开发工具,在Windows XP操作系统下,开发了基于机器视觉技术的目标检测系统的核心模块——图像匹配模块,并进行了系统验证。用标准测试图片对算法的性能和效果进行了验证。OpenCV是Intel(?)开源计算机视觉库,它由一系列C函数和少量C++类构成,实现了图像处理和计算机视觉方面的很多通用算法。在论文的最后,对全文进行了总结,并对进一步研究的方向进行了探讨和展望。