水上交通是我国“大交通”概念的重要组成部分,鉴于我国具有广阔的水域,并拥有着众多的港口,对一个能用于海事监控的船舶识别系统的需求是极其强烈的,该系统能有效为水上交通安全监管提供支持,为水上交通事故提供证据,大大增强水上安保执行效率,还在一定程度上保护水文环境。相对于空中系统的背景简单化,陆地系统的规范化,水上交通因为水平面是动态变化的,而且水面环境因为光照反射导致画面亮度变化幅度较大,所以传统的水面上的目标识别等方法效果不佳。为了能解决这一问题,本文结合传统的图像处理技术与新兴的深度神经网络方法进行水面的目标识别与分割,进而为以后的水面视频图像处理等应用做好基础。本文梳理了传统技术方法在水面上的应用,并研究了深度学习技术在船舶目标图像识别上面的应用,主要工作如下:1、探究了传统的视频抓拍相关技术,并且进行了实验和比较,选择出适合水面环境的视频抓拍技术,让系统不必时刻运行目标检测程序,而是抓拍到有效的船舶图像后,再进行目标检测,有效加速了系统的运行效率。2、对多种不同的特征匹配方式进行了研究和实验比对,从中选择匹配程度高且匹配速度快的方法,充分提高数据库检索效率。3、对目标检测深度神经网络SSD进行了学习研究,构造自己的船舶数据库,训练建立船舶目标。4、实现了一个简单的船舶目标识别系统,有利于海事监管部门对辖区船舶动态的掌控,有效提高海事部门对我国海域的监控力度。