随着计算机技术的发展，视频运动目标跟踪技术已经成为视频研究领域的热点，基于活动轮廓模型的跟踪便是其中的一种跟踪技术。由于具有计算的简单性、高效性以及能够提取任意形状的变形轮廓等优点，近年来，几何活动轮廓模型在图像的分割和运动目标的跟踪中已经有了广泛的应用。本文研究了一种改进的C-V(Chan-Vese)模型，并将其与经典的混合高斯模型相结合，实现了对视频运动对象的检测和跟踪；接着，又将其与kalman滤波算法相结合，实现了运动目标的连续跟踪；在此基础上，采用了嵌入式系统作为开发平台来实现活动轮廓模型在智能设备中的应用。首先，本文研究了传统的C-V模型，它存在如下一些问题：(1)水平集函数需要周期性的初始化为符号距离函数，导致分割速度较慢；(2)传统的C-V模型将初始轮廓的内外灰度值设为常数，对于灰度不均匀的物体这种全局近似方法不能够准确的分割出图像；(3)对于含有噪声的图像分割效果不好。针对上述问题，在传统的C-V模型基础上分别引入了一个边缘停止函数和一个核函数为高斯函数的能量项。利用局部窗函数内的加权均值取代C-V模型的全局均值，并加入了距离函数补偿项，避免了水平集函数的重新初始化，同时将图像的边缘信息融入到几何活动轮廓模型中，克服了传统的C-V模型无法利用图像梯度信息的缺点。其次，针对视频跟踪中由于目标在各帧中位置发生变化从而导致无法确定初始化曲线的问题，将混合高斯模型算法和改进的C-V模型算法相结合。首先，采用混合高斯模型算法检测出运动目标轮廓，通过对检测出来的目标进行形态学滤波以及小面积消除等后处理操作，从而标记出运动轮廓的质心和运动目标大致区域；接着，将运动区域作为初始化曲线，采用改进的C-V模型算法对初始化的曲线进行演化，准确的分割出每一帧图片中的运动物体，进而实现了对运动目标的跟踪。接着，将改进的C-V模型算法与kalman滤波相结合，采用改进的C-V模型算法分割出当前帧图像的目标轮廓，确定目标的质心，然后，用kalman滤波预测出下一帧中质心的位置，初始化曲线，再次进行演化分割，进而实现视频目标的连续跟踪。最后，采用嵌入式WINCE系统作为开发平台，主要研究了系统的硬件组成部分，并且逐一研究了WINDOWS CE程序、BSP包的移植、摄像头使用以及MINI2440开发板与PC机之间的通信。在宿主机中，采用VS2005和OpenCV库函数作为开发软件实现了运动目标的跟踪；在开发板中，实现了摄像头视频的暂停和播放功能以及对图片能够进行拉伸、缩短等简单的图像处理操作。