目标识别是当前计算机视觉与模式识别领域中的一个热点问题,其应用范围广泛,具有重大研究意义。基于统计学习理论的支持向量机(SVM),遵循结构风险最小化原则,有效解决了传统模式识别方法容易出现的过学习和欠学习问题,成为当前模式识别领域的首选分类器。本文对目标识别技术和支持向量机的相关理论进行了综述研究;通过实验证明了将具有平移、旋转、尺度不变性的Hu不变矩应用于目标识别中的有效性;研究设计了基于SVMlight算法和径向基核函数的支持向量机分类器,对提取的Hu矩不变量进行训练和识别,通过对比实验证明了支持向量机在解决小样本问题上的优势;以人脸为对象设计了一个目标识别系统,分别实现了视频目标捕捉、目标检测、特征提取和目标识别几个功能;通过这个系统进行识别实验,验证了基于支持向量机结合Hu不变矩特征的目标识别技术在目标识别准确率上好于传统BP神经网络。