基于视觉的目标跟踪是近年来的研究热点之一,其在智能监控、智能人机交互、军事侦察、虚拟现实和航空拍摄等领域,具有很重要的应用。然而,在实际应用中,目标跟踪系统普遍存在实时性差、容易受干扰影响等问题,这一直制约其在嵌入式系统中的广泛运用,因此,提高目标跟踪系统的鲁棒性和实时性是亟待解决的问题。为此本文开展了以下研究工作:(1)设计与实现了基于视觉的云台目标跟踪系统,该系统通过安装在云台上的摄像头,获取目标在图像中的位置信息并发送给云台,云台再通过位置反馈,使目标保持在图像中心,实现目标的实时跟踪。(2)为了提高目标跟踪系统的实时性和鲁棒性,本文提出了融合Camshift和粒子滤波算法的目标跟踪策略。该策略以目标特征与候选目标特征的巴氏距离作为判断依据,当巴氏距离小于设定阈值,利用时耗小的Camshift算法进行目标跟踪以保证系统的实时性;当巴氏距离大于设定阈值,则判定为误跟踪,改用粒子滤波算法,利用其全局最优策略使系统在误跟踪时实现自我恢复,提高了系统的鲁棒性。(3)为了降低图像传感器的观测噪声及其对反馈控制系统造成的时延,本文利用卡尔曼算法融合系统姿态传感器的角速度值,对目标位置值进行最优滤波预测,有效减少了云台跟踪的动态偏差,提高了系统跟踪的准确性,使系统达到更好的跟踪效果。此外,本文对基于视觉的云台目标跟踪系统进行了联合调试,实验的结果表明了融合Camshift和粒子滤波算法的目标跟踪策略和卡尔曼滤波器的应用有效地提高了系统跟踪的快速性和准确性;在多组抗干扰和跟踪快速运动目标的实验中,实现了对运动物体快速、准确及稳定的跟踪,在摄像头距离目标垂直距离1.8m时,能稳定地跟踪上线速度为1.25m/s的物体,体现了该系统在快速运动物体跟踪方面的优越性。