摘要： 针对某些静态图像背景复杂，受环境因素（光照、遮挡、掩盖等）影响较大的问题， 提出一种基于深度学习算法的卷积神经网络（ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ＣＮＮ）结构对目标进 行检测。利用ＣＮＮ网络可自主提取图像特征并进行学习的优点，避免了复杂的人工特征选择 和提取过程。通过一种区域合并的方法进行端到端的交替训练，在复杂背景图像的处理中体现 出较优的性能。ＣＮＮ的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复 杂度、减少训练参数的数目、提高检测效率。试验验证结果表明：此方法在互联网图像数据库检 测方面达到了较高的精度。采用坦克模型图像对复杂背景下的单目标、多目标以及不同程度的 遮挡、伪装等情况进行试验，得出该方法具有一定的鲁棒性。