目标识别跟踪在智能监控、医学研究、人机界面、虚拟现实、运动分析等诸多领域有着非常重要的实用价值,吸引了国内外越来越多研究者的兴趣。本文在通过对不同的目标进行大量实验的基础上,对室内静态多目标识别系统中的图像预处理、图像的特征提取技术进行了研究和实验分析,并在这个基础上研究了相应的实时目标识别方法。主要研究内容如下:首先,对提取的目标图像进行了分析,得知图像质量易受噪声影响。基于此,对目标图像的噪声去除方法进行了研究分析,对常见的几种滤波方法实验效果进行了对比分析。其次,针对室内光照条件易变的特点,采用一种基于Gamma校正的光照补偿算法,通过叠加非线性函数进行修正,提高了Gamma校正对光照变化的适应能力,通过分析非线性函数的参数,实现了在光照不均匀的条件下的自动灰度校正。再次,由于需要识别不同类型的目标,采用了基于尺度不变特征的图像识别方法,将目标的特征进行提取存入数据库当中,对常用的尺度不变特征提取技术进行了介绍和实验对比,通过衡量各个算法之间的匹配精确度以及匹配时间,为每一个目标选取最佳的特征提取算法。然后,特征提取算法通过与Mean Shift相结合,实现了目标的实时识别。首先采用特征匹配算法确定目标位置,然后根据目标在图像中的位置初始化Mean Shift目标模板,同时实时更新模板,实现了自适应的目标识别跟踪。最后将PC上的室内静态多目标识别系统移植到嵌入式Linux系统。