图像检索在现今海量数据的背景下,有着越来越重要的研究价值。对于智能视频监控系统而言,如何在多监控视频当中快速、方便地检索到特定目标,具有非常重要的实际意义。本文首先调研和总结了近年来国内外在图像识别和检索方面的各项技术,尤其是对视频中特定目标的检索方法进行了研究。之后将本文的研究重点定在基于Deformable Parts Model（DPM）的多监控视频目标检索方法研究上。本文对于多监控视频中目标检索问题,主要完成了以下工作任务:1、研究和分析了目前国内外图像和视频检索方法的主要研究成果,介绍了目前不同方法各自的优点和缺点。针对现有方法的不足,提出了基于DPM模型的多监控视频目标检索方法。2、分析并阐述了DPM模型的实现原理、模型训练以及目标检测等。对于当前大多数依赖大量标定样本的图像内容识别方法,使用了LSVM（Latent Support Vector Machine）的训练流程,有效避免了大量的人工标定,并对特定卡通形象进行了模型训练,通过实验验证了DPM模型的有效性,并针对模型的参数进行了最优化取值。3、运用DPM模型,研究并设计了多监控视频系统中特定目标的检索方法。该方法通过视频序列解帧、预处理、目标检测、目标序列提取以及目标比对等过程,得到不同视频之中,同一目标的检索信息。将基于DPM的图像识别方法,运用到实际应用之中,并进一步验证了基于DPM的多监控视频目标检索方法的有效性和可靠性。