随着计算机技术的不断进步,嵌入式技术也越来越完善,已被广泛应用于各种场景。在目标跟踪领域中,最近的大部分工作倾向于在高性能计算平台上提高跟踪器的总体跟踪能力。尽管这些算法都取得了良好的效果,但其内在的复杂性限制了它们的应用范围,嵌入式平台有限的计算能力难以实时处理复杂的目标跟踪算法。因此,如果可以在不增加跟踪算法复杂性的基础上,提高其在嵌入式平台的表现,则更具有实际意义。受限于嵌入式系统的性能,本文以速度较快的核相关滤波器为基础,针对目标跟踪过程中出现的遮挡与消失问题和尺度变化问题,在嵌入式平台上进行优化。本文的主要研究总结如下:（1）在目标跟踪过程中,若目标因遮挡等原因而短暂消失,跟踪框容易将遮挡物以及背景信息包含在内,导致后续帧中的跟踪目标漂移到遮挡物上面。当目标被完全遮挡时,由于找不到目标的对应模型,也会导致跟踪失败。针对这一问题,传统方法大多通过将多种特征进行融合,或者结合深度特征进行跟踪,在目标消失之后可以更精确的重新找到目标。但这些方法更适合于高性能计算平台,在嵌入式平台上难以保证实时性。为了解决目标跟踪过程中的遮挡与消失问题,本文使用一个轻量级目标检测网络借助颜色特征重新定位目标,然后重新初始化跟踪器。此外,我们还在不同条件下拍摄了一组视频以验证所提方法的有效性。实验结果表明,算法在没有降低跟踪速度的前提下,提高了跟踪器的准确性。（2）尺度变化也是目标跟踪过程中的一种常见问题。当目标尺度变小而跟踪框大小保持不变时,跟踪框中背景信息增多而有效信息减少,进而导致跟踪失败。当目标尺度变大而跟踪框大小保持不变,则跟踪框不能将目标完全包括在内,在对目标的一部分而不是整体进行跟踪,也会不可避免的导致跟踪失败。针对这一问题,传统方法大多采用基于尺度池的方法、基于分块的方法和基于特征点的方法进行解决,与特征融合类似,具有尺度自适应的相关滤波类跟踪算法在嵌入式平台上也难以保证实时性。为了有效结合嵌入式平台的优点,本文在跟踪过程中利用PID控制器将核相关滤波算法与电控平台进行自适应交联,使得搭载了嵌入式平台的机器人小车与目标行人总是保持着相对固定的距离,进而保证了跟踪框中有效信息的比例,解决了目标跟踪中的尺度变化问题。实验结果表明,虽然跟踪速度有所降低,但仍可以保证跟踪的实时性,具有较好的实用性。