目标检测是计算机视觉中的一个基础而重要的方向,视觉目标检测技术被广泛应用于目标识别、视频监控、基于图像内容的搜索以及人机交互等领域,具有重要的研究价值。随着心理学研究的深入,研究者发现人的视觉系统可以对外界信息进行快速高效地分析,优先对自己感兴趣区域进行定位并作出反应。这种视觉认知机制给目标检测带来了新的方法和思路。本文从视觉显著性的角度入手,并结合分类器算法实现了一种基于显著性的航拍车辆检测算法,主要工作如下：首先,针对航拍场景下的车辆检测问题,根据人类视觉系统,本文提出了一种通过特征显著性分析确定目标候选区域的车辆检测算法。用车辆底层边条信息对输入图像卷积,得到特征响应图。然后计算不同尺度下的特征响应图的谱残差,得到显著性响应图。接着,通过融合多尺度下的显著性响应图,并进行时域和空域增强处理,得到最终的显著性地图。通过阈值化处理和K均值聚类算法得到目标候选区域。其次,显著性目标检测算法中存在虚警概率较高的问题,需要对目标候选区域进一步检测,判断是否是车辆目标。针对此问题,本文采用基于HOG特征与级联Adaboost分类器结合的方法对目标候选区域进行车辆检测。采用级联结构构造分类器来解决样本不均衡问题；采用金字塔搜索的方式来解决航拍视频中车辆尺度不同的问题。综上所述,本文的航拍车辆检测系统由显著性检测模块和分类器检测模块两部分组合而成,整个系统在实际航拍场景中进行实验,表明其具有较好的检测效果。