目标跟踪作为机器视觉的重要分支已经成为研究的热门课题。在许多领域都有着重要的应用,如导弹制导、小目标跟踪、医学诊断、智能监控、人机交互等。近年来新的跟踪算法不断提出,准确率不断提高,但面对实际场景中的目标遮挡问题,仍没有很好的解决办法。因此,本文针对目标跟踪过程中目标遮挡问题提出了一种改进的核相关跟踪算法。同时由于改进算法计算量增加,导致算法运行速度变慢,因此将改进的算法在FPGA上实现,提高算法的运行速度,使算法能够对实际场景中的目标进行实时跟踪。本文首先对BACF、DSST和KCF三种典型的判别式跟踪算法进行理论分析,然后选取OTB-2015视频数据集中的视频序列对三种算法进行跟踪性能与实时性对比分析,实验结果表明,KCF算法跟踪速度最快,但抗遮挡性最差。针对KCF算法在目标发生严重遮挡时易出现目标丢失的问题,提出了一种结合不变距特征及卡尔曼预测的核相关滤波跟踪算法。利用模板图像和当前帧图像的不变矩特征计算相关量,然后根据不同遮挡情况下相关量值的变化情况设定目标遮挡判断机制。当目标未遮挡时KCF算法对目标继续跟踪;当目标被遮挡时利用卡尔曼滤波预测目标位置,目标复现后KCF算法利用预测的位置信息继续跟踪。最后采用OTB-2015数据集测试算法的有效性,实验结果表明,本文算法相对于KCF算法跟踪精度和跟踪成功率分别提高了13.07%和14.8%,有效改善了遮挡情况下的目标跟踪性能。将改进的KCF算法在FPGA上实现,设计一套实时目标跟踪系统。系统选用OV7725摄像头进行视频采集,FPGA芯片选用ZYNQ 7035 SOC进行算法移植,处理后的视频数据通过HDMI接口传输到显示器上显示。最后用设计的目标跟踪系统对飞行的无人机进行跟踪测试,测试结果表明,目标跟踪系统能够有效跟踪到遮挡后的目标,处理速度达到了60帧/秒,满足实时性要求。