图像中的目标检测技术是计算机视觉和图像处理等技术中的重要研究领域分支。由于近些年来计算机、物联网、传感器与图像处理等技术的跨越式发展,视觉目标检测技术已经广泛应用于医学疾病检测与探索、视频监控查询特定目标、军事目标搜寻、巡检机器人自主巡检等各个热门领域。一套完备的目标检测算法,应当具有高度自主性、高效性、高稳定性、高准确性等特点,可以直接从采集到的图像中检测出目标。随着目标检测技术的成熟,越来越多的巡检机器人加装了目标检测模块,而仪表检测是目标检测的重要研究内容之一。巡检现场环境的复杂性,如自然光线的影响、大量相似物体的干扰等因素,为仪表检测技术带来了更大的挑战。仪表检测过程,包括仪表图像特征提取、仪表特征降维、仪表特征匹配三个主要步骤。本文在对传统视觉目标检测方法进行分析和研究的基础上,将LSK特征提取算法与各种不同的降维算法相结合,提出一种复杂场景下的仪表检测方法并用实验对该方法的有效性进行验证。本文的主要工作包括:(1)对图像目标检测的基本理论进行分析和研究,阐述图像目标检测的研究现状和方法。(2)简述图像目标特征表示方法,重点介绍梯度直方图法(HOG),局部二值模式法(LBP)和局部转向核函数法(LSK)。(3)研究图像特征降维方法,并用仪表数据作为样本,验证不同降维算法对LSK特征的有效性。(4)提出一种复杂场景下的仪表检测方法。该方法选取局部转向核函数(LSK)用于提取图像目标特征,采用邻域保持嵌入法对特征向量进行降维。实验充分说明了本文所提出的仪表检测方法能准确检测出仪表所在位置。