传统目标检测主要分为以下三个步骤

1、区域选择
这一步是对目标进行定位，因为目标的大小，形状，出现位置各不相同。所以最初采用滑动窗口的穷举方法来对图像进行遍历，相比于深度学习的区域建议，要慢非常多！（实际上由于受到时间复杂度的问题，滑动窗口的长宽比一般都是固定的设置几个，所以对于长宽比浮动较大的多类别目标检测，即便是滑动窗口遍历也不能得到很好的区域）。

2、特征提取
这个地方就和传统的图片分类是一样的了，因为我们也是对这些感兴趣区域进行分类。由于目标的形态多样性，光照变化多样性，背景多样性等因素使得设计一个鲁棒的特征并不是那么容易，然而提取特征的好坏直接影响到分类的准确性。常用的特征有SIFT、HOG等。

3、分类器
主要有SVM(支持向量机)，Adaboost等。