近年来,机器视觉的发展突飞猛进,它在智能化信息领域占据举足轻重的地位。它涉及的范围也是极其广泛的,包括图像处理、光学电子技术、计算机技术,此外近期十分火热的模式识别,人工智能等领域也异军突起。而在机器视觉领域中,它有一个十分重要的分支——视觉跟踪技术。运用视觉跟踪技术可以解决在诸如智能导航,远程医疗,视频监控等领域应用中所遇到的诸多问题。本文以视频监控作为实际背景,研究了基于视觉跟踪的网络监控系统的设计与实现。通过分析比较基于检测的跟踪算法,基于卡尔曼滤波的跟踪算法,基于粒子滤波的跟踪算法以及基于Meanshift的跟踪算法的优劣性,重点研究并设计了基于改进的Camshift的视觉跟踪算法。首先,本文对国内外相关技术的研究现状进行归纳总结。提出一种实际应用监控方案,然后结合本课题的实际需求给出了基于视觉跟踪的网络监控系统的整体方案。本系统采用现场可编程门阵列(Field Programmable Gate Array)架构,将系统分为图像采集模块,数据缓存模块,核心处理模块,网络传输模块和视频显示模块五大部分,并给出系统整体的设计框架。其次对图像预处理技术进行理论分析和实验验证。对移动目标检测算法进行研究,如背景差分法,帧间差分法以及Lucas-Kanade光流法,分析检测原理,通过实验验证检测效果;并对基于滤波的跟踪算法,Meanshift跟踪算法进行理论推导,通过实验对上述跟踪算法进行效果分析。针对基于匹配的跟踪算法中经常出现易受遮挡,相似颜色影响等问题,设计了一种基于改进的Camshift跟踪算法,通过加入Surf算子和融合扩展卡尔曼滤波器,提高了目标跟踪的鲁棒性和精确性,改善了跟踪算法的性能。最后,给出了本文系统的硬件结构组成和软件设计实现,包括对每个部分的器件进行选型以及对整体系统的电路进行原理图设计。采用基于动态的快速中值滤波算法进行图像的预处理,同时采用Verilog HDL硬件描述语言完成对各个模块的逻辑设计,并通过仿真实验进行验证。经过软硬件调试后,进行系统性能实验测试,实验证实了本系统追踪目标受遮挡和相似颜色等因素影响小,并且可以实现对图像的有效采集和数据的远程传输的特点。