针对机场站坪区域内目标信号高检测率的需求，基于S模式信号时域波形特点，分析了传统目标检测法，提出一种增加下降沿判决的S模式信号检测法。进一步利用遗传算法对接收性能良好的站点进行组合，实现检测率的提升。与常用S模式信号目标检测法相比，基于改进方法得到的接收站组合能够获得更高的系统检测率，仅使用9个接收站可实现目标区域能计算目标位置概率不小于99.9%的要求。三维电磁传播模型仿真结果验证了所得结论的有效性。

针对全卷积神经网络对单帧红外图像行人检测计算量大、检测率较低等问题, 提出了一种改进的 LeNet-7系统对红外图像行人检测的方法。该系统包含 3个卷积层、3个池化层, 通过错误率最小的试选法确定每层参数, 以波士顿大学建立的 BU-TIV数据库训练系统。首先, 以俄亥俄州立大学建立的 OTCBVS和 Terravic Motion IR Database红外数据库作为测试图像；然后, 采用自适应阈值的垂直和水平投影法得到感兴趣区域( regions of interest, ROI)；最后, 将得到的 ROI输入训练好的系统进行测试。3个测试集检测实验表明, 本文方法具有良好的识别能力, 与不同实验方法相比, 本文方法能有效提高检测率。

行人检测是模式识别及机器学习领域的研究热点之一，广泛应用于智能监控、辅助驾驶等领域，而行人候选框的生成是识别及跟踪行人目标的一项重要的前期工作。针对静态监控场景以及特定情况下的车载监控场景，提出了一种基于在线高斯模型的行人检测候选框的快速生成方法(OL_GMPG)。该方法采用高斯模型拟合行人尺寸分布，可以通过生成较少数目的行人候选框达到较高的检测率；并可通过高斯模型的学习与更新过程，获取场景中行人频繁出现的位置以及对应的目标尺度信息，为后续的行人识别及跟踪过程提供辅助。