本文以战场环境下反坦克作战的打击目标识别问题作为研究背景,着眼于红外图像的模式识别领域,开展针对战场典型坦克目标的识别方法研究。目前,针对目标识别这一问题国内外已经开展了大量的研究,但普遍是基于可见光图像进行目标识别方法的研究,基于红外图像的研究尚不算多,且目标识别算法的计算量大,难以在嵌入式系统中实现集成。本文选择Xilinx Zynq SoC异构平台作为开发平台,对算法进行优化设计,实现嵌入式红外图像目标识别系统的搭建。在识别算法的研究方面,本文对特征提取结合机器学习的目标识别方法进行深入研究。在目标的特征描述上,分析研究局部二值模式特征(LBP)、Hu不变矩特征、梯度方向直方图特征(HOG)三种特征,对比三种特征的特点后,针对本文所要识别的红外图像中的坦克目标,重点研究了基于梯度强度和梯度方向来表征目标的形状和轮廓的梯度方向直方图特征(HOG);机器学习方面,重点研究自适应增强算法(AdaBoost),构建Logistic回归分类器作为弱分类器,迭代训练得到强分类器,并在PC平台下开展实验验证,对算法的可行性进行分析。在算法的优化上,本文结合FPGA平台的计算特性,提出一种HOG特征提取算法的优化设计,优化后的算法将FPGA难以实现的除法运算改进为移位运算,能够更好地适应FPGA的计算特性,发挥FPGA的计算优势,提高系统的性能。在嵌入式系统的搭建上,本文采用软硬协同设计方法,硬件上利用Vivado HLS高层次综合工具将优化的HOG特征提取算法封装为IP核,在Vivado开发环境下进行Block设计,构建嵌入式系统硬件工程;软件上采用PetaLinux工具移植嵌入式Linux操作系统,通过交叉编译的方式移植QT、OpenCV库函数,编写VDMA IP核驱动程序,完成嵌入式红外图像目标识别系统的搭建,并对所搭建的目标识别系统开展实验,根据实验结果对系统的性能进行分析与评价。