在目前的自动化生产过程中，机器流水线作业是工业生产的一个重要环节。如果能实现流水线上目标自动匹配分类，这将大大降低生产和维护成本并进一步提高自动化生产的效率。然而，对目标进行匹配，是模式识别领域非常重要但又棘手的一项课题。因为在目标匹配过程中，会受到物体（缩放、旋转、遮挡）及其周围环境（光强变化）等方面的影响，因此进行复杂环境下的目标匹配成为难题。针对这一课题，本文采用基于关键点的特征提取，并结合随机森林法和几何哈希法，很好的解决了这一问题。其中，随机森林法通过机器学习构建分类器进行特征匹配。本文通过不同训练特征的选取优化了匹配结果；几何哈希法通过目标的结构信息，结合哈希表进行模板匹配。本文进一步对几何哈希算法做了改进，实现从单目标匹配到多目标匹配，并提高了匹配精度和速度。