目标识别是计算机视觉和图像处理中的一个重要课题，在军事以及自动化领域的应用前景十分广泛。而全景视觉具有视角范围大、获取信息丰富等优点，所以该系统在移动机器人领域得到了广泛的应用，本文主要研究基于反射全景视觉的移动机器人目标识别。本文研究的是静止背景下的运动目标识别，所谓静止背景是指摄像机处于静止状态且焦距是固定的情况，本文的主要任务是识别出场景中运动的机器人，基本思路是用运动目标检测算法检测出场景中的运动目标，在已经检测出运动目标的基础上对运动目标进行识别，所以运动目标检测与识别是本文的核心内容。首先研究了常用运动目标检测算法——帧间差分法和背景差分法的基本原理，在此基础上，采用二帧差分法、三帧差分法、五帧差分法、融合Sobel边缘的三帧差分法以及基于HR滤波的背景估计法、基于码本模型的背景差分法、基于单高斯模型的背景差分法、基于混合高斯模型的背景差分法等方法分别编程实现了静止背景下的运动目标检测，并针对上述两类方法存在的问题，设计了融合Sobel的三帧差分结合混合高斯模型的运动目标检测算法，该算法在克服单独使用帧间差分与背景差分不足的同时，结合了两者的优点，实验结果验证了算法的有效性和优越性。其次图像的特征提取方法也是本文的一个研究重点。针对全景视觉图像的特点，本文深入研究了常用的颜色特征、形状特征以及具有尺度、旋转等不变性的不变矩特征和SIFT特征，为后续的目标识别做准备。再次研究基于运动目标检测的目标识别方法。即利用运动目标检测算法获取前景图像，然后对前景图像中的运动物体进行特征提取，在此基础上设计了基于颜色的目标识别方法、基于形状的目标识别方法、基于不变矩的目标识别方法和基于SIFT特征匹配的目标识别方法，实验结果验证了上述算法的有效性。最后在算法研究的基础上，在VC++6.0平台下搭建了一个基于全景视觉的移动机器人目标识别系统，并在多种不同情况下对上述运动目标检测方法和目标识别方法分别进行了实验验证，实验结果表明：融合Sobel边缘的三帧差分结合混合高斯模型的检测算法能够很好地检测出场景中的所有运动目标，而基于SIFT特征匹配的目标识别方法受目标检测结果的影响相对较小，具有更广泛的适用性和有效性。