随着现代电子信息技术的日益发展,视觉目标跟踪技术在军事、工业以及民用等领域中的应用也与日俱增,已广泛应用在成像制导、火控系统、无人机、机器人、智能监控等方面。虽然国内外研究者们经过数十年的研究,提出了一系列的目标跟踪算法,但在实际复杂场景下的目标跟踪性能仍然不够理想,还存在很多的困难需要克服,如目标经历光照、尺度、姿态变化、遮挡、旋转等。智能化、高速、高精度、普适性、小型化、低功耗必定是目标跟踪系统未来的发展趋势,这就需要目标跟踪算法能够更好地适应复杂场景以及在硬件系统中实现更复杂的目标跟踪算法。为此本文针对复杂场景下的目标跟踪技术进行了研究与探索,包括目标跟踪算法的研究以及算法的硬件实现两个方面。主要研究工作以及取得的成果如下:(1)为了解决传统基于压缩感知的目标跟踪算法在目标外观变化时跟踪性能差的问题,在它的基础上提出了一种基于相位一致性的实时压缩跟踪方法。该方法首先对目标周围的搜索区域进行相位一致性变换;然后提取正负样本集,并对样本进行加权,使用正负样本集训练若干个弱分类器,从中选择一定数量的最优弱分类器组成一个强分类器;最后将其用于下一帧中正负样本的分类,从而确定目标的位置。实验结果表明,提出的方法能够很好地适应目标外观的变化,具有较好的实时性和较高的精度。(2)为了解决视觉目标跟踪中尺度估计的问题,在传统核相关滤波器的目标跟踪框架下提出了一种自适应尺度视觉目标跟踪算法。该算法将目标跟踪任务分解为目标位置检测和目标尺度检测两部分,两部分均使用核相关滤波器来完成检测,并采用了一种新的在线更新策略?首先通过对正则化最小二乘分类器学习获得位置和尺度核相关滤波器;然后计算位置和尺度核相关滤波器的输出响应,并找到使其最大的位置和尺度,将它们作为目标的位置和尺度;最后在线更新目标模型和变换系数?实验结果表明,该算法在目标发生尺度?光照?姿态变化?部分遮挡?旋转及快速运动等复杂情况下均有较强的适应性?(3)为了解决基于时空上下文目标跟踪算法中低级特征不能很好地适应目标外观变化,在线更新容易产生漂移的问题,在其基础上提出了一种基于在线检测的时空上下文目标跟踪算法。首先利用朴素贝叶斯分类器构建了一个随机蕨分类器,使用随机蕨分类器进行分类并筛选候选样本;然后使用最近邻分类器计算这些样本的置信度,并计算其中最大者的置信图;最后将得到的置信图与时空上下文跟踪器的置信图融合成一个新的置信图来判定目标。实验结果表明,该算法在复杂场景下能够适应目标外观的变化,具有较好的跟踪效果和实时性。(4)针对目标跟踪算法的硬件实现进行了研究与探索,首先根据FPGA硬件特点对基于时空上下文目标跟踪算法的计算结构进行了修改,然后设计了一种基于时空上下文目标跟踪的硬件架构,并在FPGA上予以实现。该架构主要包括预处理模块、先验模型模块、空间上下文模型学习模块、目标位置检测模块以及跟踪窗口叠加模块等。实验结果表明,所设计的硬件架构能够稳定工作、性能良好。