針對(duì)詞袋模型易受到無(wú)關(guān)的背景視覺(jué)噪音干擾的問(wèn)題，提出了一種結(jié)合顯著性檢測(cè)與詞袋模型的目標(biāo)識(shí)別方法。首先，聯(lián)合基于圖論的視覺(jué)顯著性算法與一種全分辨率視覺(jué)顯著性算法，自適應(yīng)地從原始圖像中獲取感興趣區(qū)域。兩種視覺(jué)顯著性算法的聯(lián)合可以提高獲取的前景目標(biāo)的完整性。然后，使用尺度不變特征變換描述子從感興趣區(qū)域中提取特征向量，并通過(guò)密度峰值聚類(lèi)算法對(duì)特征向量進(jìn)行聚類(lèi)，生成視覺(jué)字典直方圖。最后，利用支持向量機(jī)對(duì)目標(biāo)進(jìn)行識(shí)別。在PASCAL VOC 2007和MSRC-21數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明，該方法相比同類(lèi)方法可以有效地提高目標(biāo)識(shí)別性能。