目标识别是计算机视觉中一个重要的研究领域。经过几十年的研究和发展,目标识别算法已经取得了显著的理论成果并且广泛应用于社会的各个领域,很大程度地提高了人们的生活质量。随着城市交通设施的不断完善,交通工具数量日益增加,交通压力急剧增大,事故发生率显著上升,智能交通监控势在必行。而智能交通监控是以交通目标识别为前提的,鉴于交通目标识别算法的重要作用和重大价值,对交通目标识别算法的研究和改进具有深远的意义。针对交通目标的特点,本文展开了对特征提取函数的分析。在此基础之上,进而深入研究了基于SVM的目标识别算法和基于特征点匹配的目标识别算法。由于交通场景的复杂性及交通目标运动的特殊性,分析并比较了多种适合对交通目标进行特征提取的函数。在深入研究支持向量机方法理论和应用原理之后,完成了基于SVM的目标识别算法设计,构造了SVM交通多模式类分类器,通过该SVM多模式类分类器实现对交通目标的识别。实验结果表明该方法有良好的识别效果。此外,实验中还比较了不同特征对目标识别的贡献,这为有效特征的选择提供了依据。在此基础上,提出了一种基于目标识别的卡尔曼多目标跟踪算法,通过目标识别算法解决了卡尔曼多目标跟踪中的质心参数更新的问题,提高了卡尔曼多目标跟踪的准确率。在基于SVM的目标识别算法的实验中,目标识别的效果会受目标检测结果的影响。为了避免目标检测不准确导致目标识别效果变差的问题,研究了不依赖于目标检测结果的目标局部特征——特征点的提取方法,完成了基于SIFT特征匹配的目标识别算法设计及仿真。SIFT特征以其突出的抗目标几何形变及抗噪声能力在目标识别算法中表现出良好的性能。实验证明该基于SIFT特征匹配的目标识别算法的性能好。