在理论研究中,物体识别在最近的十几年中一直是计算机视觉领域中的热门研究点。在每年的顶尖会议和期刊中,有很多这个方向的相关工作。在某些细化的应用场景,如人脸识别和指纹识别已经有了比较成熟的应用。本文通过研究物体识别的相关理论,基于OpenCV设计实现了一个物体识别引擎,来试图解决一些具体的物体识别需求,论文完成的主要工作如下：(1)基于图片特征的物体识别方案：本文首先的研究内容是物体识别相关的算法,其中主要包含两大部分：特征的提取和特征的匹配。详细研究三种特征检测算法Harris特征,FAST特征,SURF特征的原理与实现过程,详细分析了算法的特点。深入地理解特征点检测算法有助于在实际应用时针对特定的场景选取合适的算法并进行优化。为了进行物体识别,还要将图片与样本库中的特征进行匹配,进而获取对应的标记信息。这样特征点的匹配也同样也是重要的一环。本文研究比较了线性查找算法和FLANN和一些匹配对的过滤算法。将匹配算法与一些过滤算法相结合,设计出了两套匹配方案,最终形成完整的物体识别方案。(2)样本库的持久化方案：持久化是实现一个具体的引擎所必不可少的部分,将学习完的样本数据持久化保存下来是实际应用的重要一环,并且要序列化相关的特征信息以及标记信息。经过详细的研究分析,采取leveldb作为存储引擎,持久化的保存了经过序列化的相关标记信息以及一些元数据。(3)设计实现物体识别引擎：最后基于上述方案,通过分析需求内容,使用模块化的设计思路,设计实现了整个物体识别引擎。同时设计一个高效的迭代器在已有样本库中进行高速匹配,解决了性能问题。最后测试了整个引擎的相关性能。