針對特征袋（BOF）模型中存在特征計算耗時、識別精度低的不足，提出一種新的改進BOF模型以提高其目標識別的精度和效率，并將其應用于奶牛個體識別。該算法首先引入優(yōu)化方向梯度直方圖（ HOG）特征對圖像進行特征提取和描述，然后利用空間金字塔匹配原理（ SPM）生成圖像基于視覺詞典的直方圖表示，最后自定義直方圖交叉核作為分類器核函數(shù)。該算法在項目組自行拍攝的數(shù)據集（包含15類奶牛、共7500張奶牛頭部圖像）上的實驗結果表明，使用基于SPM的BOF模型將算法的識別率平均提高2個百分點；使用直方圖交叉核相比使用高斯核將算法的識別率平均提高2.5個百分點；使用優(yōu)化HOG特征，相比使用傳統(tǒng)HOC特征將算法識別率平均提高21.3個百分點，運算效率為其1. 68倍；相比使用尺度不變特征變換（SIFT）特征，在保證平均識別精度達95. 3%的基礎上，運算效率為其7.10倍。分析結果可知，該算法在奶牛個體識別領域具有較好的魯棒性和實用性。