移动机器人目标识别多年来一直是一个热门的研究话题，它是移动机器人与外部世界交互的基础。但是，即使是一个十分简单的识别目标，要使用机器去识别它都是一件非常困难的事。然而人类面对复杂的外部世界却能轻而易举的将注意力转移到目标物体，完成目标识别任务。因此，将具有强大数据筛选能力的人类视觉注意机制引入机器人视觉领域，具有十分重要的理论价值和现实意义。本文采用理论学习与实验分析相结合的方法，围绕自下而上和自上而下的视觉选择注意机制建模问题进行展开。论文首先简要介绍了目标识别的研究现状，然后在分析总结了近年来人类视觉注意力机制的生理学与心理学理论和注意力模型的基础上，提出了一种新的基于注意力的目标识别算法。该算法首先改善了现有的注意力机制模型，在传统注意力选择机制上有效结合目标色彩特征的任务驱动机制，形成了自上而下和自下而上的注意力集成选择机制，即克服了单纯自下而上注意力机制完全由底层数据驱动，忽略任务目标信息，使其缺乏任务指导机制，又保证了算法的计算效率，满足实时性要求；其次生成最终显著图并提取候选目标物体之后，引入具有平移、旋转、仿射不变性的SIFT特征描述符对候选目标进行进一步匹配，完成最终目标识别任务。最后将本文提出的基于注意力的目标识别算法运用到kheperaII移动机器人平台，实现移动机器人在未知环境中的避障和目标追踪实验，实验结果表明该算法能有效识别目标，并能满足移动机器人实时性的要求。