第4章：目标检测基础

目标检测，说白了就是让机器在图像里找到「什么东西在哪儿」。我刚开始接触这个领域时，觉得这问题挺简单——不就是找东西嘛。后来自己动手写代码才发现，这里面的门道比想象中深得多。

这一章，我们聊聊目标检测的两条技术路线：传统方法和深度学习方法。两条路各有千秋，我建议你都了解一下。

4.1 传统方法：阈值分割与边缘检测

先说说传统方法。嗯，这里要注意，虽然现在深度学习很火，但传统方法在某些场景下依然好用。比如在工业质检中，光照可控、背景单一，传统方法反而更稳定、更省资源。

4.1.1 阈值分割

阈值分割的原理很简单：设定一个阈值，把像素分成两类。高于阈值的算一类，低于阈值的算另一类。

我做过一个项目，要在传送带上检测金属零件。当时背景是黑色传送带，零件是亮银色。用阈值分割，一行代码就搞定了。你想想看，如果用深度学习，还得标注几千张图，训练半天，何必呢？

import cv2
import numpy as np

# 读取灰度图
img = cv2.imread('part.jpg', 0)

# 简单阈值分割
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 自适应阈值（应对光照不均）
adaptive_thresh = cv2.adaptiveThreshold(
    img, 255, 
    cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
    cv2.THRESH_BINARY, 11, 2
)

4.1.2 边缘检测

边缘检测是另一种经典方法。它的思路是：目标与背景的交界处，像素值会发生剧烈变化。找到这些变化的位置，就找到了目标的轮廓。

Canny边缘检测是我最常用的。它有三个关键参数：低阈值、高阈值和核大小。调参是个手艺活，我刚开始时也经常调得一头雾水。

# Canny边缘检测
edges = cv2.Canny(img, 50, 150)

# 找到轮廓
contours, hierarchy = cv2.findContours(
    edges, 
    cv2.RETR_EXTERNAL, 
    cv2.CHAIN_APPROX_SIMPLE
)

# 绘制轮廓
cv2.drawContours(img_color, contours, -1, (0, 255, 0), 2)

4.2 传统方法的局限性

传统方法虽然快，但局限性也很明显。我总结了几点：

• 对光照敏感：换个灯光，阈值就得重调
• 对背景敏感：背景一复杂，分割就失效
• 无法区分类别：能检测到「有个东西」，但不知道「是什么东西」
• 多目标重叠时困难：物体一重叠，轮廓就分不清了

为什么会这样？因为传统方法本质上是在做「像素级」的判断，没有「语义」层面的理解。这就引出了深度学习方法。

4.3 深度学习方法：YOLO与SSD

深度学习方法的出现，彻底改变了目标检测的格局。它不再依赖手工设计的特征，而是让网络自己学习「什么是目标」。我个人觉得，这是计算机视觉领域近十年最重要的突破之一。

4.3.1 YOLO：你只看一次

YOLO的全称是You Only Look Once。名字很直白——只看一次，就能把目标检测出来。

它的核心思想是把检测问题转化为回归问题。网络直接输出边界框的位置和类别概率。速度快得惊人，在GPU上能跑到每秒上百帧。

# 使用YOLOv8的示例（简化版）
from ultralytics import YOLO

# 加载预训练模型
model = YOLO('yolov8n.pt')

# 检测图像
results = model('image.jpg')

# 解析结果
for result in results:
    boxes = result.boxes
    for box in boxes:
        x1, y1, x2, y2 = box.xyxy[0]
        conf = box.conf[0]
        cls = box.cls[0]
        print(f'检测到: {model.names[int(cls)]}, 置信度: {conf:.2f}')

4.3.2 SSD：单次多框检测器

SSD是另一种单阶段检测器。它和YOLO的思路类似，但有个关键区别：SSD在不同尺度的特征图上做检测。

为什么要这样做？因为目标有大有小。大目标在高层特征图上检测，小目标在低层特征图上检测。这样能兼顾不同尺寸的目标。

方法	速度	小目标检测	训练难度
YOLO	极快	一般	中等
SSD	快	较好	较低
Faster R-CNN	慢	好	高

4.4 传统方法与深度学习的对比

我经常被问到：「到底该用传统方法还是深度学习方法？」我的回答是：看场景。

• 场景简单、要求实时：传统方法更合适。比如嵌入式设备上的简单检测
• 场景复杂、需要泛化：深度学习是首选。比如开放环境下的多类别检测
• 数据量少：传统方法可能更好。深度学习需要大量标注数据
• 计算资源有限：传统方法占优势。深度学习需要GPU

我个人习惯的做法是：先用传统方法快速验证可行性，如果效果不行，再上深度学习。这样能节省大量时间。

4.5 本章知识体系

下面这张图，是我梳理的本章知识结构。你可以用它来快速回顾。

这张图把本章的核心内容串起来了。左边是传统方法，右边是深度学习方法，底部是选择建议。你可以把它当作一个决策参考。

可可精品资料库