在图像和视频相关研究和应用领域里,计算机视觉等技术己经不断的融入到了图像和视频的目标识别分析方法中。但由于图像与视频中包含内容广泛,目标种类众多,背景复杂,噪声较多,使得图像和视频目标的识别、检测和分析等仍然面临着诸多具有挑战性的问题。同时在越来越丰富的图像和视频信息中,如何对其中的目标做有效的特征提取和方便快捷的识别,这都成为迫切需要解决的问题。本文结合近年来相关研究知识,对图像和视频中的目标特征提取、分类识别等问题进行了研究,并用实验证明本文算法提高了图像和视频中的目标分类识别的准确性和鲁棒性。本文研究工作主要内容为:(1)详细阐述本文相关目标特征提取方法及其原理、特点。详细介绍了目前常用的图像局部特征提取方法SIFT方法,以及从人类视觉系统中视觉感知原理启发下得到的稀疏编码和具有模拟人类视觉系统中V1区细胞感知能力的独立子空间分析(Independent Subspace Analysis,ISA)方法。(2)通过对多种特征提取算法的研究与分析,本文选择了独立子空间分析ISA方法来提取数据的特征。详细阐述了ISA模型对图像数据的处理过程,并选用Scene-15场景图像数据集进行实验,将ISA模型用于图像场景分类识别实验中,验证其提取图像中的显著且有效的特征的能力,以及对图像目标分类识别的有效性和准确性。(3)将原始的ISA方法模型与深度神经网络理论相融合,形成ISA深度网络模型,并对此模型及其对图像和视频数据处理过程进行了详细阐述。将ISA深度网络模型在Hollywood人体行为数据集上进行实验,对视频中的目标人体行为进行识别分类,证明ISA深度网络模型学习出了能够对视频中的目标人体行为进行有效表达的显著特征,取得良好的行为识别准确率。