随着实时视频监控系统在军事、工业以及日常生活的广泛应用，目标识别技术已成为计算机视觉领域的重要技术。目标识别技术的核心是根据可区分的、独特的特征向量判断目标的身份。然而在某些监控场合，由于噪音干扰、尺度变化及图像模糊等问题，目标之间的特征差异较小，造成了目标识别的结果不理想。因此，本文引入了基于印刷体数字SIFT特征的目标识别，它可以有效的克服目标特征相近等情况，改善目标识别效果。为了有效地实现印刷体数字识别技术，本文展开了以下研究：首先，本文分析了现有的印刷体数字识别算法，现有的算法在印刷体数字发生变形时，识别率将急速下降。因此本文使用了尺度不变特征转换算法，SIFT(Scale-Invariant Feature Transform)算法，同时为了增加了图像的外观及轮廓信息，本文研究了Dense SIFT算法，这是一种对图像进行高密度SIFT特征采集的算法，为印刷体数字识别提供了更多的特征。其次，为了改善印刷体数字识别的准确率和识别效率，本文提出了一种基于边缘检测的SIFT算法。该算法首先采用了Canny边缘检测算子提取图像边缘，从而快速地定位了印刷体数字关键点的区域。在关键点区域内提取SIFT特征向量，不但缩短了关键点的搜索时间，同时确定了关键点在印刷体数字的区域内，减少了冗余的关键点，从而实现高效、准确的印刷体数字识别算法。接着，本文搭建了印刷体数字识别的模型，模型根据SIFT特征向量的聚类结果建立了视觉关键词库，接着，使用视觉词袋描述图像信息，最终生成了含有局部特征信息的空间直方图。SVM分类器根据图像的空间直方图进行分类，所得到的结果即为印刷体数字识别结果。最后，本文基于印刷体数字识别模型对SIFT算法、Dense SIFT算法以及基于边缘提取的SIFT算法进行了仿真，仿真结果表明了基于边缘检测的SIFT算法具有较高的识别准确率以及良好的识别效率。除此之外，本文根据印刷体数字识别结果，实现了在多种情况下基于印刷体数字的目标跟踪