目标识别无论在军事应用、家居生活、医疗卫生、交通指挥还是在人工智能等方面都发挥着越来越重要的作用。图像目标识别更是机器视觉领域不可替代的一个环节,是计算机能够拥有感知能力的一个重要途径。近年来,目标识别技术飞速发展,正在逐步从研究阶段转向现实应用中。本文旨在研究动态场景中的视觉目标识别,结合动态场景中目标受光照、视角、背景影响较大的特性,从视觉目标特征检测与描述和目标识别等方面展开研究,主要研究内容如下:(1)梳理国内外目标识别的研究现状以及发展态势,介绍目前常用的一些目标识别模型。经过分析与比较,并结合视觉目标的特性,确定了以BOF(Bag of Feature)模型为框架的研究体系。(2)在视觉目标检测与描述模块中,通过对局部特征MSER特征以及DOG特征进行详细分析比较,采用DOG来提取关键点;并分别采用SIFT描述子和BRIEF描述子实现关键点的特征描述,构建具有尺度和旋转不变性的特征,以适应动态场景中目标容易产生几何形变的特性。(3)在目标识别模块中,重点分析了基于直方图正交核的支持向量机分类器,并与k近邻分类器以及基于径向基核的支持向量机分类器进行了比较。证明了基于直方图正交核的SVM在动态场景视觉目标识别中的可行性。(4)采用改进的基于空间金字塔的BOF模型(Spatial Pyramid BOF,简称SPBOF),同时与BOF模型进行了详细的对比实验,证实了基于空间金字塔的BOF模型的可行性。(5)提出基于SPBOF模型+基于HI核的SVM的识别方法,并与传统方法进行对比实验,验证了此方法在动态场景中目标识别的有效性。