光电成像跟踪任务过程中，不同目标呈现出特征多样的特点。即使是同一类目标，其特性在不同阶段、不同背景下也会表现出极大差异。随着目标与跟踪设备距离的变化，其成像会分别表现为扩展目标、面目标、小目标等多种特性。在跟踪过程中，目标甚至还可能因为非均匀光照或发热、分离、熄火等情况而发生成像特征的突变。这些动态、多变的目标特性给成像跟踪算法的适应能力带来了严峻考验，影响了跟踪的稳定性。针对上述特征动态变化目标的稳定跟踪问题，首先对特定特性目标的可靠提取与稳定跟踪的单模算法进行了研究：针对扩展目标稳定跟踪点提取问题，提出了一种新的基于弦弧比滤波的轮廓平滑算法以及一种基于头部最小内切圆的目标前沿跟踪点定位算法，大幅降低了前沿跟踪的提取点抖动；采用对比度跟踪算法实现了简单背景面目标的稳定跟踪；提出了一种基于二值模板膨胀掩模与改进加权更新的自适应模板更新算法，提高了模板更新的质量并增强了复杂背景下相关跟踪的鲁棒性；研究了小目标检测与稳定跟踪的方法，采用基于灰度形态学与高通滤波结合的方法实现了小目标的可靠检测，通过多特征航迹关联与去背景的质心提取方法，提高了小目标跟踪的稳定性。其次，针对上述单模算法难以适应目标所有动态变化情况、难以实现目标全程稳定跟踪的问题，研究并提出了粗精两级并行跟踪的框架，提高了目标跟踪的可靠性与稳定性：采用全视场多算法并行处理方法，实现了多目标粗跟踪；为解决不同阶段与不同背景下主目标的稳定跟踪问题，提出了分段式对比度跟踪与相关跟踪并行的双模跟踪方式，大幅提升了系统的稳定跟踪能力以及对目标特征突变情况的适应能力。通过粗精两级并行跟踪的有机结合，实现了一个高智能化、强鲁棒性的成像目标自动检测与跟踪系统。在系统具备稳定跟踪能力的基础上，研究了基于多特征模糊融合技术的目标航迹事件自动识别方法，实现了目标各种典型航迹事件及其发生时刻的可靠检测。为设备进行场景推理、智能决策、快速评估奠定了基础，提高了系统的智能性与实际应用价值。最后，为了提高系统实时性以降低动态延迟、确保系统的处理带宽，从图像处理算法的特性入手，讨论了高效硬件平台应当具备的特点以及粗精两级并行跟踪软件向并行硬件平台的映射方法。在此基础上，研究了实时嵌入式软件优化的方法，通过对软件模块实例的实际优化方法的讨论，得出了要在既定硬件平台上实现高效的算法，需要从算法级与代码级进行优化的结论。通过高效的软件优化，进一步提高了系统实时性，确保了系统稳定跟踪的实现。