物体识别一直是计算机视觉领域的一个重要研究方向。随着移动互联网不断成熟,移动网络也正在由3G走向4G时代,这为移动设备提供了更快的数据传输渠道。此外,芯片技术和移动设备制造技术的进步,为人们的生活带来了性能更加强悍的移动设备,更快的处理器、更大的运行内存、更清晰的屏幕和摄像头。这使得很多之前无法在移动设备上运行的系统离人们更近一步了。移动设备的普及引爆了生活中更多场景化的需求,这使得移动应用层出不穷,其中也包括跟图像处理有关的应用,这些应用也不再局限于手机这一载体。2013年是可穿戴设备的元年,其中有一类跟图像处理联系异常紧密的就是AR (Augmented Reality).AR需要通过摄像头获取真实场景下的图像,识别这张图像,并跟踪图像中的目标,然后在此基础上为目标提供富媒体展示。本文想为物体识别找到一种折中的方案,从这个出发点,我们提出了一种移动端的多角度物体识别方法。由于要在多个角度下拍摄图片能够被识别,本文通过采集物体的几个标准方位(前、后、左、右、俯瞰)上的图像作为模板数据集,然后将输入图像与模板库中的图像进行逐个匹配,若能匹配上模板的一张或多张,则判定匹配成功,增加了物体被识别的概率。在真实场景下,输入图像是不可控制的,会有复杂的背景,或者物体并不是图像主体等情况,这些干扰都会影响物体的识别率。为了排除这些干扰,本文将目标检测算法最新的研究成果Objectness BING应用到系统中,结合颜色显著性分析,可以有效给出目标候选区域,针对候选区域特征提取然后分别匹配这些候选区,可以明显减少运算量和提高识别率。此外,由于希望这一方法未来能应用于移动设备,所以运算速度是很重要的一个指标,在学习了大量局部特征算法后,本文选取了性能尚佳且速度极快的ORB方法。为了增加匹配结果的鲁棒性,本文将使用了颜色这一全局特征作为局部特征的辅助,在最后联合判决输出。本文设计并完成了这一识别系统,现在PC上测试其性能,并对安卓平台做了简单的移植,对于自建数据集中的物体有着不错的识别率,为实物识别提供了一种新的解决方案。