随着计算机信息新技术、人工智能化的不断发展,科技的力量已经随处可见了,小到日常生活购物,大到航空航天、军事战争,背后都是靠着强大的信息技术作为支撑。而在我国最重要的领土主权方面,科技信息也是必不可少的。本文通过对边防监控与识别的分析与研究,着重针对界江界河地区进行阐述,发现界江界河地区的监控识别技术仍有缺陷,很多地方依旧需要大量的人力物力进行监管。针对此问题,本文利用界江界河处采集的船舶图像,设计并改进R-CNN算法以及特征提取方法,完成船舶目标的检测与识别。对边境界江界河地区中目标的检测和跟踪算法进行研究,一方面可以改变传统的边防方式,解放人力物力,实现边境信息的实时性,保障边境安全和社会稳定;另一方面可以将边境线上的目标检测与跟踪技术应用于民事或者军事领域,推动检测和跟踪技术的发展,促进理论知识的完善。因此,对面向界江界河地区的目标检测和跟踪算法进行研究,有很重要的理论和实际意义。本文主要完成的工作包括以下几个方面:（1）分析界江界河处边防检测的不足之处,根据其复杂的背景和众多的干扰进行R-CNN算法的设计与改进,通过混合图像分割进行河道提取,然后利用选择算法以及贪心策略进行候选集的生成,从而得到想要的图像,完成图像的预处理。（2）本文在实验前,由于界江界河地区的特殊性,并没有适合训练和测试的数据集,通过网络搜索以及界江界河视频的截图,得到需要的数据图集1259张,然后1159张作为训练集,并进行旋转等操作,增加训练次数,另外100张作为测试集,用于后续实验的测试和对比。（3）本文介绍了多个特征提取的方式和算法,并选择利用几何特征和不变矩特征对船舶进行特征提取,通过形状外观的特征进行识别,并进行仿真实验。通过实验证明该特征可以实现船舶的检测与识别。（4）使用Matlab将测试图集分类之后进行实验,选择不同数目的测试集合,将结果与其他常用算法进行正确数量、错误数量以及漏检数量的对比,验证算法的正确率与鲁棒性。