目标跟踪是在图像序列或视频中利用当前帧和历史帧中的目标轮廓、大小、纹理、速度等特征信息定位感兴趣目标,继而统计目标的运动轨迹和外观变化数据,为高级机器视觉处理提供信息基础。本文主要研究如何跟踪背景变化情况下的多个运动目标,采用相关滤波方法和FPGA技术以达到实时在线跟踪的目的。主要解决核相关滤波器跟踪算法在面对背景杂乱、光照改变、目标尺度变化、被遮挡等干扰因素时,跟踪模板易受污染,导致跟踪失败的问题。从目标建模入手,提出了一种双特征结合的相关滤波跟踪算法。该方法结合梯度特征和颜色特征,以相关滤波器响应与高斯分布相似度为评判标准,动态调整目标跟踪模板的学习率,抑制含噪外观变化对模型的影响,有效缓解目标模型的退化,解决了使用单一特征进行目标跟踪时无法同时抵抗目标快速运动干扰和光照、背景干扰的问题。从分块跟踪出发,提出了一种抗遮挡和尺度变化的分块相关滤波跟踪算法。设计了一种基于色调投影的目标分块方法,该方法利用空间结构信息对目标进行分块。分块相关滤波跟踪方法,协同各个子块以抵抗目标被局部遮挡的干扰。在此基础上,统计各个子块的位置信息以完成目标尺度变化的估计。结合两种相关滤波跟踪方法,实现了多个运动目标的实时跟踪。为了达到实时在线跟踪的目的,论文还研究了跟踪的关键算法在FPGA上的实现技术,并进行了实验验证。