目标追踪是计算机视觉中一个重要的研究领域,目标追踪算法涉及到光流法,特征提取,模板匹配,目标检测,机器学习等高级算法,需要解决光照和场景变化、被追踪目标外观特征多变和被遮挡、多目标跟踪等问题,是一个极具挑战的研究课题。由于目标追踪算法本身的计算复杂性,其对运算平台的要求比较高。传统的算法运行平台往往是台式机或者笔记本电脑,这极大限制了目标追踪算法的应用范围,随着嵌入式处理器运算性能的提高,一些主流的嵌入式运算平台已经能够胜任一些较为简单的机器视觉的任务。本文首先对目前市场上主要采用的DSP,FPGA和ARM嵌入式计算机视觉实现平台进行了分析,提出了FPGA+ARM的硬件结构,设计了FPGA图像采集卡、ARM嵌入式算法运行平台和上位机软件,完成了整套嵌入式视觉开发平台的开发与调试,实现了图像采集、MJPEG编码、BITMAP编码、设备和上位机网络通信、上位机实时解码显示等功能。随后,分析了当前主流的目标跟踪算法,筛选出计算复杂度较小的基于时空上下文特征学习进行目标追踪的算法(STC),在笔记本电脑上对算法进行了验证和参数调试后,将算法移植到嵌入式算法运行平台上。最后,对STC算法进行了测试,在测试过程中,分析了STC算法在跟踪目标快速运动场景下容易失败的原因,并针对相机静止的应用场景,提出了一种基于混高斯背景建模的改进STC算法。