物体检测是计算机视觉领域的热门研究课题之一。其目的是找到图像或者视频中的属于某一特定物体类别的对象实例。物体检测技术依赖于底层特征的选择。其中,形状特征是描述物体、用于物体识别和检测的重要特征之一,在图像分割、检索和分类等问题中都有广泛应用。近年来,随着机器视觉、人工智能等研究领域的发展,许多视觉任务对形状分析提出了更高的要求,基于形状分析的物体检测面临更大的挑战。　　 本文根据物体形状的特点,分别研究了一般类物体和特殊的曲线状物体的检测方法。一般类物体经过成像系统后在图像中占据一定的二维区域,可由简单几何形状(圆、方块等)组合而成;而较为特殊的曲线状物体,其基本形态退化为一维的延伸特性。由此引出了不同的形状分析和检测方法。　　 在一般类物体的形状分析和检测方面,研究者们发现,形状各个组成部分(称为形状部件)是形状感知的基本单元;而基于部件的表示方法已成功应用于识别、检测等研究课题中。本文以分析物体部件的形状特点为基础,针对由于遮挡、数据缺失、图像质量损坏等问题给物体检测造成的困难和影响,着重提出了以下两方面的创新。　　 第一,研究了形状部件对形状整体的重构能力,提出了基于先验知识和形变分析的形状重构方法,能够在大面积形状缺失的情况下,得到与人类感知相符的重构效果;在此基础上提出了基于形状重构的物体检测方法,能够有效解决被遮挡物体的检测和轮廓恢复问题,减少杂乱边缘及噪声干扰的影响。　　 第二,我们研究发现不同的形状部件对整体的重构能力不同,对物体识别、检测等具有不同的启示作用和功效。针对此问题提出了基于部件重构能力的形状部件重要性度量方法和严格的计算模型;并通过心理学实验验证了本文所提方法的科学性,以及与人类视觉感知的一致性。另外我们将部件重要性应用于物体检测中,通过提高重要性部件在投票方法中对目标物体投票的份量、改善重要部位的形状匹配以及增强判别式模型中重要部件的判别力,改进了检测结果,提高了检测效率,增强了物体定位的准确性,而且对于遮挡情况下的物体检测获得了更好的结果。　　 对于曲线类物体,针对其形状的特殊性,及其可能包含的分枝结构的复杂性,提出了从几何形态、表观颜色、拓扑结构等全面描述曲线状物体的表示方法。在此基础上提出了高效的曲线提取、分枝结构检测、交错关系推断等方法;并且对于具有一定排列规则的曲线组,提出了高效的曲线组检测方法。另外,实现了基于简单交互的曲线状物体提取及编辑系统,对受纹理、光照等因素影响而质量较差的图像中的曲线提取,以及弱对比度的、模糊的曲线提取,能够达到较好的效果。　　 总之,本文针对目前形状分析和物体检测中的难题,结合心理学研究和人的视觉感知,在一般类物体和曲线类物体的形状分析和物体检测方面提出了理论和方法上的新突破;解决了传统方法较难处理好的几个问题:　　 (1)遮挡发生时的物体检测和定位;　　 (2)物体缺失部分的恢复、物体形状补全;　　 (3)曲线状、分枝状物体检测和提取。并通过实验和系统验证了本文方法对高层视觉任务的重要意义。