目标监视与跟踪系统在科学技术和工程应用上有着十分重要的前景。当背景较简单且目标没有被遮挡时,传统算法能够准确的识别目标；然而,当背景复杂且特别是场景中存在由运动或背景对象造成的遮挡时,按照传统的检测和跟踪策略,常常会误跟踪,甚至丢失目标。而现实情况是,在为跟踪目标而获取的图像序列中,经常会遇到目标被其它物体遮挡的情况,因此如何解决目标识别中的遮挡问题是本文的研究重点,其中构建一种具有平移、旋转和尺度不变性的局部形状描述方法是进行遮挡识别的关键。目标识别的基础技术是图像处理,为此,本文首先介绍了图像处理的基本原理,特别对图像预处理相关知识,包括常用的图像灰度化、二值化、中值滤波、图像平滑等进行了介绍。同时讨论了目标识别的关键技术：特征提取以及特征匹配技术,对目前常用的特征点提取和匹配方法进行了详细的阐述。其次,讨论了图像匹配技术原理和方法,并进行了相关的仿真试验,重点对SIFT匹配算子进行研究,包括抵抗图像缩放、旋转畸变以及抗噪方面的优越性,并将该算子用于部分遮挡目标的识别。最后,引入神经网络模式识别的方法,使用不变矩和纹理特征作为样本来训练神经网络,文中应用改进的神经网络算法将提取到的特征信息样本进行训练和识别,对多种情况进行了仿真实验。实验结果表明：通过使用SIFT算子和神经网络的方法,遮挡目标识别不仅能够较为精确的实现对目标物体的定位,而且在图像缩放、平移、旋转以及抗噪方面都具有一定的鲁棒性。