研究了多视点下三维目标的识别问题。针对传统的采用单一特征的方法在目标描述方面的不足, 提出了一种融合多种特征的识别算法。首先, 利用各向异性高斯方向导数相关矩阵提取目标角点, 采用骨架约束提取特征角点, 将各特征角点到目标质心的归一化距离作为角点描述子。接着, 分别提取目标的几何矩不变量、仿射矩不变量、目标边界的傅里叶描述子; 计算4种特征的类内和类间散布矩阵; 以样本散布矩阵的迹作为权重, 加权融合4种特征。然后, 对融合后的特征向量进行独立成分分析(ICA), 得到相互独立的特征分量。最后, 采用支持向量机的分类方法进行分类。实验结果表明, 本文提出的方法比采用单一特征的方法的正确识别率平均提高10%以上, 且在小训练样本(10%总体样本)情况下仍能获得80%以上的识别率, 可满足经纬仪实时目标识别系统的要求。