近年来,如何结合无线终端和视频监控两种技术改进目标定位与跟踪性能成为研究的热点问题。为了解决在只拥有少量可用的定位数据下的目标发现和识别问题,本文提出了一个基于移动轨迹匹配的用户识别系统。现有的用户发现与识别方法如人脸识别或电子标记等,存在着成本高、识别能力与范围有限、定制硬件等缺陷。因此,将计算机视觉和无线技术相结合,使得新的用户发现与识别方法可以同时兼具电子标记易于识别以及计算机视觉精度高的优点。本文从定位的角度出发,先分别对用户和其携带的无线终端进行视频定位和无线定位,并得到用户的运动轨迹和无线终端的信号特征,然后通过信号特征与轨迹匹配的方法,完成用户的识别。从以下几个方面解决用户识别的问题。首先,提出了两种无线终端定位算法。利用智能手机的普及性,将其作为用户的电子标签。利用Wi-Fi网络发现无线终端,并分析其接收信号强度(Received Signal Strength Indication, RSSI)完成设备的定位与跟踪。算法充分考虑了RSSI的波动性,利用持续的定位获得设备的信号特征,并与事先训练好的预设路径(Path)进行匹配。结果表明,无线终端的匹配成功率达到了71%,且定位算法解决了设备差异性、电磁环境复杂等实际问题。其次,提出了基于视觉发现的用户移动轨迹和Wi-Fi网络下的无线终端的信号特征匹配算法。根据测试场地的情况,实现了一个经典的基于颜色特征的粒子滤波目标跟踪技术。通过跟踪算法获得用户的移动轨迹后,使用与电子设备匹配相同的统一的预设路径(Path)进行分类,这样既完成了用户的定位同时也完成了与无线终端的数据融合。匹配算法利用时间匹配和统一的预设路径(Path)匹配实现手机与用户的绑定。我们实现了一个最小的原型系统来验证匹配算法的性能,结果表明,系统的用户识别率可以达到65%,证明我们的系统是可行的,并可以满足一些应用的需要。最后,我们使用机器学习算法训练我们的样本轨迹分类模型,使用分类模型方法不仅摆脱了预设路径的限制,同时提升了系统的用户识别率。在引入了支持向量机与随机森林两种分类器后,最终的性能分析表明,系统的识别率分别提升到了87%。完全可以满足离线状态的用户识别需要。