视觉目标跟踪作为机器视觉中的一个研究热点,其在军事、民用等诸多领域具有广阔的应用前景。本文主要对TLD(Tracking-Learning-Detection)算法和DSST(Discriminative Scale Space Tracking)算法进行分析和研究,并在DSP嵌入式平台下进行了部分算法的移植与实现。具体的研究内容如下:(1)首先对生成式算法、判别式算法、相关滤波算法和深度学习算法进行了介绍,并对四种类型算法的优缺点进行分析和总结。(2)针对TLD算法抗遮挡、光照变化和尺度变化等方面性能差的问题,本文提出一种改进的TLD算法。在TLD算法的基础上将平方根容积卡尔曼滤波器融合到中值流跟踪器中,当目标被短时遮挡时,用于预测目标的位置和大小;并且将FREAK(Fast Retina Keypoint)特征引入到跟踪器,以提高跟踪器对尺度变化和光照变化的适应能力。此外,在综合模块中引入重叠率和归一化互相关系数比较机制以获得高置信度的跟踪结果。采用OTB-50数据集进行算法的性能测试,并与多种流行的算法进行对比和分析。实验结果表明,ITLD算法具有更高的跟踪精度和鲁棒性。(3)针对DSST算法无法长期跟踪目标的问题,本文提出一种基于失败检测、重检测模块和高置信度更新策略的鲁棒跟踪算法。首先利用响应最大值和峰值旁瓣比来决策跟踪结果的置信度水平,当跟踪结果置信度较低时,利用基于一致性关键点匹配的检测器重新检测和定位目标。此外,为了避免错误的模型信息引入跟踪器,提出一种自适应的高置信度更新方法,以选择高置信度的目标模型。采用OTB-2015和VOT-2016数据集进行算法性能评估,实验结果表明,改进的DSST算法的性能优于大多数流行的算法,并且比DSST算法具有更高的精度和鲁棒性。(4)为完成图像算法在嵌入式平台的移植与实现,设计了一个基于DSP的图像处理系统,该系统主要包括图像采集、处理以及显示等三个模块。图像采集模块利用CCD摄像头来采集图像;处理模块负责图像算法的处理与实现;显示模块采用LCD显示器实现对图像的显示。