近些年来，图像局部特征检测和描述受到越来越多的关注。其基本思想是首先检测出图像中对于一类转换具有不变性的感兴趣区域，然后对于每一个检测到的区域建立一个稳定的描述子。在计算得到描述子以后，我们就能进行图像间的兴趣区域匹配。这种局部特征描述方法有很多优点，比如，局部特征对于光照变化、视角变化、图像模糊、图像缩放等变化不敏感。局部特征在许多计算机视觉比如目标检测，图像检索，物体识别，纹理识别，机器人定位等应用中表现出色。图像的局部特征具有一定的稳定性，很高的重复性以及各种环境下的不变性，因此对于部分遮挡、重叠、仿射变换有良好的鲁棒性。本文首先介绍了局部描述技术的研究现状，并以主流描述子为例介绍了兴趣点的提取，描述子的生成，特征向量集的匹配等相关知识。在此基础上实现对SURF算法的两点改进，并通过实验验证了改进后的效果。最后，本文将特征描述算子应用于视频序列目标检测当中，取得了较好的检测效果。本文的主要工作如下：1．在深入细致分析当前主流局部描述算子的基础上，针对当前图像兴趣点提取算法一般都是先将待处理图像转化为灰度图像容易丢失图像的颜色信息的不足，本文提出了基于颜色不变量的SURF算法。实验表明这一改进能有效地保留图像的颜色信息，提高了算法的稳定性。2．针对SURF描述子检测环节对高斯二阶微分进行简化时，模板填充值过于单一，导致丢失图像信息的问题，本文尝试改进简化模板填充值，使简化模板变化趋势更接近于高斯二阶微分函数变化趋势。实验表明，本文的改进算法有助于保留更多的图像信息并提取到更多的特征点，同时也能实现两幅图像之间更多的正确的特征点匹配。3．针对在视频序列中检测已知目标人脸的问题，本文结合局部描述算子设计了一整套的检测方法。实验表明，本文的方法能在一定程度上降低不同表情对于检测准确率的影响，同时降低了计算复杂度和特征匹配时间。最后，本文设计并实现了一个视频序列中目标人脸的检测系统。