DPM模型指的是「Deformable Parts Model」（可變形部件模型），是一種目標檢測算法，由Felzenszwalb等人於2008年提出。DPM模型可以看作是HOG（Histogram of Oriented Gradients，方向梯度直方圖）的擴展，其基本思路與HOG相似，即先計算梯度方向直方圖，然後用SVM（Support Vector Machine，支持向量機）訓練得到物體的梯度模型。DPM在特徵提取方面是在HOG特徵的基礎上進行稍加改進，同時在機器學習層面也做了巨大的改進。
DPM模型的主要特點包括：
特徵提取：使用HOG或SIFT等特徵提取算法提取圖像中的特徵。
部件建模：將目標看作由多個部件組成的結構，每個部件具有自己的形狀和外觀特徵。
部件排列：使用部件排列的方式來表示目標的空間位置關係。
檢測和分類：通過訓練數據學習目標的形狀和外觀特徵，在測試階段對圖像進行滑動視窗檢測，使用模型計算目標的得分並進行分類。
DPM模型在視覺目標檢測中有著重要的作用，能夠更好地適應目標的複雜形狀和姿態變化，具有多尺度適應能力，並對噪聲、光照變化和遮擋等問題具有較強的魯棒性。此外，DPM模型已成為眾多分類器、分割、人體姿態和行為分類的重要部分。