随着国内城市轨道交通的发展,自动售检票系统的作用日益突出。其中,闸机是自动售检票系统的核心组成部分,它通过利用其内部的智能识别系统对乘客的行为加以识别、判断,最终实现自动检票功能。闸机自动售检票系统所具有的与乘客的相关性及其检票功能,要求它必须具有非常高的安全性、可靠性、稳定性和准确性等性能。智能识别系统已成为城市轨道交通的研究热点之一。本文针对通过闸机的目标所具有的特点,将通过闸机的目标分为行人和物体两类,基于支持向量机(SVM)提出了标准化矩阵(SM)识别方法,研究了行人模式识别和物体模式识别。论文在提出标准识别元素这一概念的基础上预处理了传感器采集的数据,并研究了SVM训练样本中行人和物体的数字特征及其分布规律,建立了一个基于LibSVM的标准化矩阵数据分布(SMDF)识别预测模型,针对测试样本集,研究了该模型在不同核函数的不同参数、不同惩罚系数下的行人和物体这两类目标的分类效果,并实证研究了模型分类效果与训练样本容量之间的相关性。通过闸机目标识别的实验表明,SM识别方法和SMDF识别预测模型是可行的,满足自动检票系统实时性、准确性的要求。