随着科技的发展,在计算机技术和通讯技术领域目标跟踪技术已经成为了一个热门的话题,并且有着很广泛的应用。目标在快速移动、背景遮挡、噪声影响等条件下能够实现准确跟踪是广大科研工作者关注的焦点,例如在军事上对导弹、飞机和其他军事目标的检测与跟踪,在交通运输方面,可以对高速公路、交叉路口、地铁等车流人群密集的地方进行实时动态监控,在出现问题时能及时获取相关信息。DSP微处理器的出现使得数字信号处理技术得到了快速的发展,由于DSP拥有很高的集成度、高速CPU以及大容量的存储器,被应用于各个领域。我们可以想象随着各方面要求的日益提高以及各种技术的进一步发展,基于DSP的运动目标图像跟踪将会更加广泛的被大家所使用。然而由于这一课题的发展历史较短而且内容又涉及到计算机视觉、图像处理、模式识别、人工智能技术、自动控制等多个新兴学科,其理论还很不完善,一些重要的问题尚未解决,新的方法和技巧还有待开发。因此,进行基于DSP运动目标跟踪的研究无疑是一项既有理论意义又有实用价值的课题。在DSP处理器上可以实现的目标跟踪算法众多,作者深入研究了粒子滤波算法在DSP处理器上的实现,粒子滤波器是一种递归的并基于传播样本集的贝叶斯滤波器,可以保持多重假设并且能使用随机运动模型来预测目标的位置,从而可以更好的处理背景中噪声所构成的影响,实现在目标丢失或者跟踪失败的情况下自我恢复的功能,但粒子滤波算法的跟踪精度和粒子个数有关,过多的粒子个数会导致运算量过大。作者在研究的过程中还想出了和其他算法结合的思路。由于均值漂移算法是基于密度梯度上升的非参数算法,通过多次迭代运算找到目标位置从而实现对目标的跟踪,它算法计算量小,简单易实现,但在拥有这些优点的同时也具有在跟踪小目标以及快速移动目标容易丢失和在全部遮挡情况下不能自我恢复等缺点。将均值漂移算法结合到粒子滤波算法当中,对粒子的样本进行聚集,从而得到更多具有高权重的样本粒子,去除对跟踪贡献微小的样本,减少样本数量,从而使算法的实时性大幅度提升。