随着科学技术的不断发展,自动目标识别和跟踪技术已经成为图象处理和计算机视觉领域非常活跃的一个课题,在民用和军事领域应用中起到了越来越重要的作用。不变特征对于同类目标的各种状态具有很好的数值稳定性,使其在各种目标识别方法中成为非常关键的步骤;人工神经网络为自动目标识别和跟踪提供了新的途径,使得识别和跟踪的过程具有智能性;近年来硬件上的迅速发展也为实时跟踪系统的实现提供了可能性。本文针对传统的统计模式识别方法的局限性,研究了基于不变矩特征和人工神经网络的识别方法,并在此基础上设计实现了一个硬件系统。本文作了以下几方面研究:首先研究了目标不变特征的提取,本文选用对于目标几何变换具有良好稳定性的不变矩作为特征。阐述了矩的基本概念,包括几何矩的定义和各种几何变换等;研究了各种不变矩,包括对连续图象具有不变性的传统不变矩,对离散图象具有不变性的离散不变矩,和对边缘图象具有不变性的边界矩等;证明了Hu矩的不变性,并在此基础上提出了一个构造不变矩的通式,构造了几个新的不变矩。通过实验验证了新构造不变矩的不变性,并比较了区域矩与边界矩的性能。然后研究了BP神经网络,包括其网络结构、学习过程等;针对它的局限性,提出了一些有益的改进以提高其性能。对网络的输入特征向量进行讨论,提出了在输入网络之前对特征进行选择的思想。利用选择后的不变矩作为目标的不变特征,BP神经网络作为分类器,对几类目标进行了识别,达到了很好的识别效果。最后在前面理论研究的基础上,设计并实现了一个目标跟踪系统。该系统由两个子系统组成,分别为图象输入输出子系统和图象处理子系统,其中图象处理子系统采用了DSP加FPGA的设计思想。文中还针对系统执行效率较低的问题,讨论了对系统所作的优化。实验表明,该目标跟踪系统具有良好的可靠性和实时性。