近年来，随着摄像头成本不断地降低和人们对安全领域的重视，视频监控系统取得了快速的发展，且广泛应用在城市的各个场所，如机场、银行、超市、政府机构等。在监控系统多摄像机中识别出特定人的身份，判断其是否在某个时间或某个地点出现是一个非常重要的问题，常称为视频中的目标人体识别或人体对象的目标识别。仅依靠安全人员24小时不断地监视摄像机中的变化需要花费大量的人力和物力，这促使了人体对象的目标识别成为计算机视觉中的研究热点。人体对象的目标识别是非重叠多摄像机中对象的连续跟踪和海量视频中对象检索的关键。本文提出了一种新颖的人体对象的目标识别方法，通过人体对象序列的图像特征训练隐马尔科夫模型，用训练的模型识别出查询人体对象的身份。一般提取特征面临的问题是计算复杂，维数高，本文提出的特征提取方法克服了此类问题不足，特征提取算法的时间复杂度为线性，而且能够精确的表达对象表观特征；在系统建模阶段，复杂的特征需要模型能够选择特定的通道，本文使用隐马尔科夫模型融合多幅图片的特征,不需要特征选择算法且有效地结合了人体对象的结构约束。最后在公开的两个具有挑战性数据集上的实验验证了所提算法的有效性和鲁棒性，实验结果表明该算法对对象表观的光线变化、视角变化和低分辨率都有一定的鲁棒性。