本发明涉及一种基于视觉的分层极限学习机目标识别方法，步骤如下：(1)将图像数据集进行标定，并按照一定比例分为训练集与测集，并处理为统一大小的格式，展开为列向量；(2)设计分层极限学习机网络模型，根据数据集大小，设置特征提取网络的稀疏编码层数，以及每个网络层节点数；(3)训练特征提取网络，即训练得到稀疏编码层权重，输入数据通过随机权重与隐含层相连，然后通过阈值收缩算法(FISTA)迭代求解出隐含层权重；(4)将特征提取网络提取到的特征向量作为极限学习机(ELM)的输入，训练ELM网络，得到极限学习机隐含层参数；(5)将测试集数据输入特征提取网络提取特征，然后输入极限学习机(ELM)得到分类结果。