根据公共安全部门在复杂环境中搜索出特定目标的迫切需求，将目标再识别（re-ID）技术应用到车辆识别领域，提出了一种基于视觉词袋（BoVW）模型的车辆再识别解决方案。首先，为解决复杂环境中遮挡、目标物位姿变化、目标物在图片中的大小位置存在差异等问题，提取出可基于不同尺度、不同位姿的改进基于部件的一对一局部特征（POOF）；其次，通过基于欧氏距离的聚类算法获取视觉词袋中的词汇集合；接着，将训练和测试集中的每张图像或目标转换为词袋中的词汇表述集；最后，利用基于改进保持直接简单原则的度量方法（KISSME）上的再排序方法分离出类间距离和类内距离，通过最近邻方法（ KNN）获得识别结果。实验结果显示，在基础特征构建环节上该算法比冒泡银行算法（BB）识别率提升了3.85个百分点；其基于KISSME距离度量的改进再排序算法比贝叶斯再访问算法提升了3.14个百分点。最后，算法对目标位姿变化和局部遮挡具有的适应性和整体时效指标，进一步验证了其可适应于复杂环境应用的特色和优越性。

针对现有增强现实系统交互方式的不足，提出并实现了一种基于手形交互与掌纹识别的增强现实应用。提出了一种用于快速识别手形轮廓及其运动轮廓的匹配方法。利用一种改进的快速蚁群聚类算法来获取掌形的中心，建立相关的渲染坐标系，从而精确注册虚拟物体。同时，针对个性化应用需求，提出了一种能够在增强现实系统中应用的Harris快速掌纹识别算法。实验表明，识别算法具有较好的跟踪精度和实时性，能够满足增强现实系统的应用要求。

讨论了如何实现了一种基于三个标志点的视觉式三维注册方法，对电磁式三维注册方法进行了必要的说明，给出了实验平台，同时对实验结果进行了必要的分析说明。实验表明，此方法比较有效。