二维平面视图可通过普通CCD相机获取,数据来源要求不高。基于外观(Appearance-based)或基于视图(View-based)的三维物体识别算法研究,近来成为人们研究的热点。基于视图的方法通过视觉相似性来识别物体,使得识别系统设计相对简单,无需显式计算物体的三维模型。另外一方面,基于局部特征匹配的方法考虑了视图间的局部相似性,不要求匹配所有视图特征,即使物体被部分遮挡,也有可能检测到局部特征,并完成识别,对于物体的重叠和背景杂波表现出较好的稳健性。本文研究了基于二维视图和基于局部特征提取匹配的三维物体识别,及其在智能视频监控系统中的应用,改进了卡尔曼滤波器多目标跟踪性能。具体而言,有以下几个方面的工作和创新点:1)研究了多种在数学和物理方面具有各种不变特性的特征提取算法,包括Hu不变矩、仿射不变矩、颜色矩、小波矩和纹理特征等,构成了一簇丰富的特征向量。针对连续小波矩算法不利于实际工程应用的缺点,提出了离散化算法。仿真结果表明,三维物体旋转后,使用本文所提出的离散小波矩算法计算得到的矩值,达到了较好的不变特性。2)研究并提出一种基于视图的三维物体识别算法。利用物体在二维视图中的多种不变特征,送入支持向量机(SVM)训练并进行识别,较好地抵抗了在不同视角下三维物体投影为二维图像时,产生的不可避免的失真。3)因为提取的特征种类和数量较多,本文提出将遗传算法(GA)用于三维物体识别过程中的特征选择和学习机器的联合优化。提出选用SVM的一种性能边界,作为GA的适应度函数,通过一次SVM训练后即可获得,提高了种群的进化速度。4)重点研究了局部特征匹配方法的框架,提出了两种描述子算法。首先是基于最稳定极值区域(MSER)计算改进的仿射不变傅氏描述子(AIFD)。其次,由于基于DCT的描述子算法鉴别能力不足,在归一化局部图像块基础之上,本文提出综合考虑局部图像块的颜色、纹理和形状等特征,来刻画局部区域的特性,设计出多种特征描述子,用以表示物体的局部外观。因为算法加入了直接基于MSER计算的AIFD,减少了局部仿射框架构造过程中,图像离散化及图像块重采样的影响。5)为验证评估本文所提的各种算法性能,开发了一个完整的三维物体识别仿真系统。考察了各种算法流程及参数选择对性能的影响。基于两个公开的三维物体数据库进行了识别性能测试。就作者所知,在哥伦比亚三维物体图像库(COIL-100)和阿姆斯特丹三维物体图像库(ALOI)上的识别率,优于目前已公开的文献结果。