目标识别是计算机视觉中的重要研究方向，它是使计算机能够模拟人类的思维过程来识别出特定目标的活动。如今它在工业产品生产检测、质量控制、生物医学图像增强、智能交通视频监控、遥感图像分析、军用图像扫描等领域获得了广泛的应用。一个好的目标识别系统可以在没有人工干预的情况下，通过对摄像机拍摄的图像序列进行分析处理，从而能更好的识别出特定的目标并对其进行跟踪，同时提高识别的效率和准确率。基于HOG特征的目标识别采用了滑动窗口机制提取图像的外观边缘特并对目标进行定位，主要包括两个步骤:特征提取和检验。首先对样本数据提取HOG特征，并以特征向量的形式来表示，然后用合适的分类器对这些特征进行训练，最后完成对目标的检测和识别任务。这其中用到了边缘检测技术，HOG特征提取，分类器训练算法。首先要对图像的颜色空间作归一化处理，以减小光照带来的影响。提取边缘特征的时候，使用一阶对称中心模板提取边缘梯度方向的特征效果最好。为了有效利用梯度边缘的局部信息，采用滑动窗口机制对目标窗口密集扫描，并对重叠块作归一化，单元格和块的大小对检测结果非常重要，最后需要收集所有目标窗口的HOG特征，并以向量的形式来表示整个区域的特征。接下来可以用支持向量机对这些特征进行二次训练，以提高识别的准确率。我们可以将多个弱分类器以不同的权重组合成功能强大的强分类器，每一级都用AdaBoost算法得到一个强分类器并把他们连接起来形成级连分类器。它的误检率很低，但是训练时间较长。为了减小计算时间，可以使用决策树的方法对其改进。通过对不同对象检测结果的分析，基于HOG特征的目标识别算法能够对复杂背景下的目标比较准确的定位，同时可以满足一定的时实性和准确率，可用于视频监控和城市智能交通。