1.一种矩形目标物检测方法，其特征在于，包括如下步骤：
提取特征步骤，将含有矩形目标物的图片作为正样本，不含目标物的任意图片作为负样本，对每一张样本图片，将其分为多个细胞单元，每个细胞单元中分配M×M个像素，划分N×N个细胞单元构成一个块，获取块的方向梯度直方图；
根滤波器获取步骤，利用滑动窗口扫描样本图片的各个位置和不同尺度，将所有块的方向梯度直方图提取出来并结合，形成最终的特征向量，将所有样本图片的最终特征向量输入到支持向量机中，得到目标物体的根滤波器；
获取部件滤波器步骤，根据根滤波器的位置寻找部件滤波器的位置，若干个部件滤波器的面积之和等于根滤波器的面积，每个部件滤波器所在位置均有一个得分，根据得分高低筛选出其最优位置，将部件滤波器的特征输入到隐藏变量支持向量机中进行训练，使用半凸规划对其位置进行筛选，得到部件滤波器；
模型检测步骤，对根滤波器和部件滤波器进行初始化和更新，得到最终的可变形部件模型，将最终的可变形部件模型保存并使用模型参数对测试集图片进行检测；
检测框精确定位步骤，使用基于搜索的边缘梯度计算的算法判断检测框是否在目标轮廓边缘之外，调整检测框的位置，修正检测结果。
2.根据权利要求1所述的一种矩形目标物检测方法，其特征在于，所述提取特征步骤中所述M为8，所述N为2。
3.根据权利要求1所述的一种矩形目标物检测方法，其特征在于，所述提取特征步骤中所述获取块的方向梯度直方图通过将块内每个细胞单元中的特征向量连接起来实现。
4.根据权利要求3所述的一种矩形目标物检测方法，其特征在于，所述细胞单元的特征向量获取方法如下：
计算所述细胞单元中每个像素点的梯度方向和幅值；
划分360°为若干个区间，构成方向梯度直方图；
根据每个像素点的梯度方向，利用双线性内插法将其幅值加权投影到对应若干个区间中的一个得到所述细胞单元的特征向量。
5.根据权利要求4所述的一种矩形目标物检测方法，其特征在于，所述加权投影的权重投影函数是像素点的梯度幅值。
6.根据权利要求1所述的一种矩形目标物检测方法，其特征在于，所述提取特征步骤中所述获取图像的方向梯度直方图之前还有对所述样本进行预处理的步骤。
7.根据权利要求6所述的一种矩形目标物检测方法，其特征在于，所述预处理包括将所述样本的对比度和边缘进行增强以及使用高斯滤波器去除所述样本的噪声。
8.根据权利要求1所述的一种矩形目标物检测方法，其特征在于，所述获取部件滤波器步骤中的部件滤波器与所述根滤波器获取步骤中的根滤波器满足关系式：n×a＝S×80％，
其中，n是部件滤波器的数目，a是部件滤波器的面积，S是根滤波器的面积。
9.根据权利要求1所述的一种矩形目标物检测方法，其特征在于，所述模型检测步骤中还包括对可变形部件模型进行选择优化，其具体方法是通过调整正负样本的数量和质量，使用精度-召回率曲线对检测系统进行评估，选择最佳的样本集。
10.根据权利要求1所述的一种矩形目标物检测方法，其特征在于，所述检测框精确定位步骤中基于搜索的边缘梯度计算的算法步骤如下：
计算遮盖在目标物上的检测框的某条边周围每个像素的梯度大小变化程度及梯度方向；
使用非极大值抑制的方法，找出目标物未被纳入检测框的边缘，再次调整检测框；
重复上述步骤，直至矩形目标物所有部分均被检测框框选为止。