近几年,人工智能获得了比以往任何时候都更高的关注度,相信在我们未来的生活中,人工智能必将会更加广泛的应用在我们的生产生活中,引领者技术甚至社会发展的潮流。而人工智能最重要的技术之一,就是要使智能机器能够像我们人类的眼睛系统一样,具有对周围环境进行感知、理解能力,而这就是机器视觉的范畴,而在机器视觉中,最重要并且应用需求最广泛的既是目标跟踪系统。同时,随着工业2.0和智能硬件等概念的提出,加速了智能硬件市场化和传统工业智能化道路的发展。如今市场上对于满足可移动硬件平台系统的机器视觉应用有相当大的需求,而一般嵌入式平台很难满足其对于处理能力方面的要求。基于无人机和智能汽车系统对行人进行检测和跟踪的需求,同时满足整个系统功耗、稳定性、体积、成本等条件要求为前提,这里主要研究了能够嵌入式系统平台下可有效、稳定运行的目标检测与目标跟踪算法。这里重点研究了近几年非常著名的HOG+SVM和DPM+Latent SVM目标检测算法。经过实验验证,DPM+Latent SVM理论能够有效满足研究需求。在研究行人跟踪时,针对ASMS算法不能有效解决跟踪过程中出现的行人遮挡问题,这里重点研究了基于时空上下文的目标遮挡理论和基于预测校正的卡尔曼滤波理论,经过理论分析和实际验证,发现卡尔曼滤波器能有效的解决ASMS算法行人跟踪过程中出现的遮挡问题,实验测试表明,在行人发生遮挡时算法仍然能够准确的确定出其位置。最终,将DPM检测理论和利用卡尔曼滤波理论优化后的ASMS目标跟踪过程进行了有效结合和充分优化,大量实践验证表明,整个系统运行良好,能够有效的进行行人检测和跟踪。