地面目标检测方法有很多，如今世界上各个国家都着重于研究合成孔径雷达检测，红外目标检测，声探测，等。其中合成孔径雷达的研究最为广泛，美国在该领域的研究一直处于国际领先水平，上世纪五十年代，美国Good Year宇航公司第一次提出了合成孔径的概念，随后该技术得到了法、俄、德、英等国家的重视，并运用到了目标探测领域，合成孔径雷达也随之问世。它融合了孔径合成技术、脉冲压缩技术和信号处理技术，除了具有上述提到的所有优点之外，还同时具有距离和方位向的高分辨力，从而获得照射区域内二文高分辨力的雷达图像，目前SAR的分辨力已经可达到0.1m。国外各国政府从1950年开始对此大力支持和关注，尤其是美国，在SHARP计划、SAIP计划、HEATR和MSTAR计划中，其中的核心检测识别技术都是基于合成孔径雷达技术的。美国麻省理工学院的Lincoln实验室极具影响力的研究机构，该实验室在DARPA和AFRL的支持下，研究了基于二文SAR图像的地面运动目标检测和识别以及相关的检测识别技术，取得了很好的成果[4]。
红外目标检测在地面目标检测中也具有极其重要的地位，国外在此领域的研究相对领先。由于地面红外目标的背景一般为丛林、山脉等不规则地貌，对目标检测和识别的技术要求较高。19363B.Mandelbrot在1975年就指出[5]，这些背景环境复杂而不规则，难以用传统的几何理论解决问题。针对复杂背景下的目标检测问题，他提出一种新的几何学——分形学，为后来的红外目标检测奠定了基础。美军陆军研究实验室在这红外目标检测方面开展了大量的工作[6]。在红外图像检测领域，大多数的研究的前提都是假设目标温度高于背景温度目前，在很多目标检测识别中这个假设都是成立，因为坦克装甲车等地面运动目标都是有自身热源的，其温度明显高于背景温度。但是坦克等军事目标的主要热源是发动机，车身的温度与背景差别不大，传统的红外图像分割算法，只有在背景单一情况效果较好。在复杂背景下的目标检测技术还不够成熟，目前各个国家都在研究复杂背景下的目标检测技术。
目前基于HOG和SVM的目标检测技术十分广泛地应用于各领域，其对设备要求不高、简单易实现和检测准确率高，十分适用于低成本的目标检测。在Dalal和Triggs[7]首先提出HOG特征检测的概念，利用HOG+SVM分类器对目标进行识别分类的技术得到了快速的发展。Zhu[8]等人利用了HOG特征以及SVM线性分类器优化了Dalal算法，大大加快了其检测速度。并结合了光流法将Kalman滤波作为预测器，对背景进行预测更新，获得了较好的跟踪检测结果[9]。Ding Ailing等人也在这方面做了一些工作[10]。目前国内外对SVM的研究方向主要包括支持向量机的训练算法、多类问题、支持向量机的变形算法以及支持向量机的应用等[11]。
2国内目标检测与识别的研究现状
    国内在目标检测领域研究热点与国外基本类似，合成孔径雷达仍是主要研究方向，我国在合成孔径雷达领域的研究相对发达国家相对落后，该研究在我国起步于70年代中期。哈尔滨工业大学的董华春副教授指导研究了基于时频分析的SAR动目标参数估计，结合Clean思想给出了动目标的多普勒调频率和中心频率的方法，仿真验证了该方法的有效性[13]。经过多年的研究，我国大大的提升自身的合成孔径雷达技术，虽然和国际领先水平仍有一定差距，但是在不远的将来我国在该领域的研究会更上一台阶。
在地面红外目标检测技术方面，目前国内的研究比较单一，大多数为飞机、船舶等背景比较简单的目标检测，或是桥梁等固定地面目标检测[14]。总参陆航部驻上海地区军事代表室的范彬，王勇，吴卫东，赵龙等人在地面战车的红外检测进行了研究，他们改善了传统分割方法中的过分割和欠分割等问题，能在相对复杂的环境中检测出目标战车。东北电子技术研究所的李相军、李壮也对地面红外运动目标图像处理和识别提出了优化算法。但是国内在红外目标检测方面的研究仍落后于美国等国家，尤其是对运动目标和复杂背景下的红外目标的检测，其检测算法以及红外检测设备仍需我们不断的完善。 目标检测与识别国内外研究现状:http://www.youerw.com/yanjiu/lunwen_10684.html