运动目标检测和跟踪技术是机器视觉的热门方向之一，是在图形处理的基础上慢慢形成和发展起来的。在无人机、空空导弹等目标检测和跟踪领域具有极其重要的作用和需求；在行人车辆检测跟踪上也有着广泛应用。在这些应用场景中，ARM嵌入式设备相比FPGA有功耗低、易集成开发、成本低和程序易移植等优点。克服移动目标检测和跟踪时所遇到的背景更新、背景干扰、目标尺度变化和目标遮挡等问题，并在嵌入式设备上进行准确稳定的实验验证是本文研究的主要内容。
　　本文提出基于背景建模和特征点边缘约束的联合目标检测方法和特征点重匹配的跟踪方法实现目标检测和跟踪，并通过嵌入式开发平台进行验证算法。本文主要工作和贡献如下：
　　(1)提出一种基于背景建模和特征点边缘约束的联合目标检测方法，背景建模方法采用效果好速度快的混合高斯模型做前景检测，选取ORB特征点作为视频目标检测特征点，利用梯度边缘作为空间约束进行联合检测。当对未知移动目标检测时，先使用混合高斯模型初步检测运动目标。基于混合高斯模型检测结果会因相机运动造成背景噪声问题，拟采用特征点检测和物体边缘约束对运动目标进行筛选。在OTB2015测试视频上实验结果表明能准确地的检测视频中运动目标。
　　(2)对于运动目标跟踪的尺度变化和遮挡问题，本文在研究尺度自适应核相关滤波器跟踪算法的基础上，提出了一种特征点重匹配跟踪方法。假设前一帧的跟踪位置准确且目标运动轨迹平滑，则在当前帧的预测目标位置附近执行局部窗搜索。计算能力允许情况下，选取最优的搜索步长，用于获得最大速度和最高匹配精度。对比与传统尺度池方法，本文仅采用3个尺度，以提高跟踪速度，具体是通过计算比当前尺度较大和较小尺度的匹配函数峰值来对当前尺度进行调整。对于目标丢失问题，采用ORB特征重匹配来重新获取目标，每5帧进行一次特征点匹配识别，获取目标中心坐标。
　　(3)搭建目标检测和跟踪测试验证平台，并设计了嵌入式图像处理软件。为加速算法在ARM上运行的实时性，本文对嵌入式图像处理算法进行了优化。将ARM摄像机采集到的视频做颜色空间变换，将单帧算法耗时优化到8ms。边缘检测算法优化到单帧17ms，大大提高了目标跟踪速度。