目标跟踪技术一直以来都是计算机视觉、图像处理领域的研究热点,尤其是在视频监控、军事安全、武器装备、医学研究等应用方向上具有重要价值,是进行研究和开发的核心技术之一。目标跟踪算法由于自身的复杂性往往对运行平台要求较高。一些效果较好的跟踪算法通常运行在台式机或大型服务器上,存在着空间体积大、功耗高、定制难度大等难以克服的缺点,这极大限制了目标追踪算法的应用范围。本文使用FPGA+DSP架构作为硬件载体来实现智能目标跟踪系统,充分利用FPGA丰富的可编程逻辑资源和优异的性能功耗比,并且借助DSP芯片的指令集系统强,浮点运算速度快、精度高,稳定性好等优点。根据二者各自的特点和优势将本次使用的目标跟踪算法模块化分工部署到两种芯片上,实现了具有高性能、低功耗、高稳定度的基于深度学习的智能目标跟踪算法。本文使用的嵌入式平台经过前期的算法定制、芯片选型、能耗评估和PCB设计之后,FPGA型号选用赛灵思公司生产的Artix-7系列XC7A200T芯片,DSP型号选用德州仪器公司生产的c66x系列TMS320C6657芯片,加上电源、时钟、稳压、图像传输等芯片,最终实现了42层基于深度卷积网络的目标跟踪算法。其中,FPGA作为图像处理的主要单元及两层大规模卷积的运算加速器,以及嵌入式平台的时钟资源分配、上电复位控制,图像采集和控制数据传输等。DSP芯片是对目标进行最终检测和跟踪的主实现芯片,实现智能目标跟踪的核心算法和算法流程控制。FPGA和DSP芯片之间的数据通路主要通过EMIF和SRIO高速串行数据通道连接,进行卷积结果和跟踪结果的数据交互。利用FPGA的高度并行运算和流水线操作的优势,完成对每帧图像的实时处理,并且对于两层大规模卷积,对计算数据进行16位定点化,对比DSP相同的浮点数运算过程,在以损失1‰至1%的精度为代价下,最大可以节省二十倍的计算时间。