目标的侦测定位是图像模式识别的首要前提，在自动控制、人机交互等领域有着重要的应用。本文主要分析、完善了支持向量机理论在目标侦测定位上的应用。利用最优化思想，实现从支持向量的超平面求解到支持向量的超球面求解的过渡，得到了基于支持向量的单目标样本数据的描述。这种方法非常适合解决在图像中寻找特定目标的问题。在特征向量的核方法描述方面，我们讨论了不同核函数的作用及意义，并给出了核函数的选取及其参数调节具有指导性的原则。为了解决大规模样本的学习问题，文中提出了一个切实可行的在线学习支持向量机模型。在人脸目标侦测定位实验分析中，提出亮度、色调参考分析的光照调节技术：采用适合描述肤色特征的局域彩色特征进行肤色分割，改变了以往利用彩色直方图描述的不确定性和复杂性，实现快速有效的信息处理。同时，在特征评价方面，提出高维向量分类问题ROC曲线(ReceiVe OperatingCharacteristic Curve)的支持向量分类机表示法。在车牌定位解决方案中，利用高斯邻域特征滤波法描述图像纹理特征，再进行支持向量分类、定位车牌位置，并提取车牌字符。本文所提出的在线学习支持向量机的目标侦测定位技术定位准确，能够快速处理大规模样本，在机器学习中具有进一步研究的价值。