计算机视觉(Computer Vision)是研究如何使机器对多维图像数据产生智能感知的科学。目标对象检测识别属于基础领域研究,对图像理解至关重要。有效的目标对象检测识别算法框架是图片检索、医学图像处理、视频监测、人机界面交互系统等领域的前提、保障。然而,目标对象检测识别技术尚处在初级阶段、前景广阔,关节式物体检测识别的通用鲁棒性理论和算法框架仍未出现。本文提出简单的基于可变形模型的迭代关节式物体检测识别算法框架。该算法对传统的关节式物体模型作出相应的改进,基于改进的底层图像形状特征寻找局部关节式物体匹配,并组织起来产生目标对象检测识别的假设结果。背景杂物干扰信号是影响目标对象检测识别性能的关键因素,特征改进主要是为避免背景信号对目标对象的形状特征产生干扰并使得形状特征对关节式物体局部形变有着较好容忍。利用先验概率模型在图像中寻找关节式物体假设检测结果是自顶向下的搜索识别过程,目标对象检测识别率较高但精确度却不理想。为有效提高目标对象的检测识别精确度,利用分类器对关节式物体检测识别的假设结果作真假辨别,并结合自底向上局部分割区域获取关节式物体在图像中的前景估计信息。由最终实验结果可以看出,利用该方法所抽取的图像底层形状特征可以较好地去除掉背景杂物干扰信号,进行目标对象检测识别,检测识别精确度较高。匹配目标对象的检测识别结果过程中保证关节式物体底层局部形状信息真实、完整。在数字化服装领域中,个性化服装定制(P.MTM)是人体识别算法的重要应用场景。基于客户体型的人体模型可以为批量服装制造提供快捷渠道。本文提出的物体识别方法能够提供用户身体参数信息用于建立个性化人体模型。