随着计算机技术的飞速发展,计算机视觉领域也进入了高速发展期。一些成熟的算法(如人脸识别、车辆检测等)已经渐渐走入人们的生活,并且近几年随着深度学习的流行,借助于互联网庞大的计算能力,智能监控识别系统更具有不可估量的未来。本课题为基于自稳云台的实时目标跟踪系统的研究与实现,不同于传统的跟踪系统,本跟踪系统的相机平台具有自稳定功能,可以有效防止由于载体振动带来的图像模糊,在提高画面质量的同时也降低了跟踪算法的干扰。本课题从三轴稳定云台和实时目标跟踪算法两个方面入手,自稳云台部分包括了无刷电机控制研究、相机姿态融合研究和三轴稳定云台的解耦控制等;实时目标跟踪算法方面则提出基于随机蕨特征点的目标检测和基于光流运动估计的目标跟踪框架,根据检测和光流计算得出的两个目标标定,计算标定目标与模板目标图像的巴氏系数来得到相似度更高的目标标定,通过连续的这样的目标标定,实现实时的目标跟踪。在理论研究的基础上,本文完成了整套系统的软硬件实现并进行了测试。相机平台具有良好的自稳性能,各轴最大自稳角度误差不超过±2°,可以达到图像稳定的效果;目标跟踪算法基于开源计算机视觉库OpenCV开发,运行在Intel I5-4300U双核处理器的PC平台,平均处理速度12FPS以上,算法对光照、遮挡等具有一定的抗干扰性,并具有尺度、旋转不变等特性,同时测试表明,在载体存在剧烈振动的情况下,相机在稳定云台下的目标跟踪率要显著高于无稳定的相机平台。综上,本跟踪系统具有良好的抗震特性和目标跟踪性能,可以用于环境比较复杂的视觉监控场合中。