在视频监控行业，雾霾已经成为高清监控的隐形杀手，透雾监控需求变得越来越迫切。　　本文的主要研究内容正是从提高视频监控质量的两个方面展开：一是视频去雾技术研究；二是嵌入式视频目标跟踪技术研究。　　去雾技术由光学去雾和数字去雾两种方法组成，光学去雾存在成本高昂难以普及问题；数字去雾算法存在计算量大、资源消耗多、块效应、不适应实时行要求等问题。本文在理解数字去雾算法原理的基础上，对2013年Kim提出的去雾算法进行改进，提出了一种基于谱聚类的视频去雾算法。首先，利用谱聚类思想对静态场景中的目标进行聚类分割；其次，利用同类目标的透射率在帧内具有空间一致性、在帧问具有时间连续性的前提假设采用了不同的去雾模型。即：在视频的帧内图像中，引入基于类的透射率估计模型；在视频的帧间图像中，对运动目标引入运动一致性的透射率估计模型，对静态背景引入时间一致性的透射率估计模型，应用不同的透射模型对视频中的不同目标透射率进行了估计；最后，利用计算的透射率对视频图像进行了去雾处理。　　本文在研究视频跟踪相关算法和嵌入式硬件资源的基础上，设计了一套云台可控制摄像机的嵌入式实时视频跟踪系统，该系统主要由DM8127-4核处理器，两自由度云台摄像机，监视器，操控台和接口电路组成。该系统的工作原理是：首先，对摄像机采集的视频图像，通过操控台对跟踪目标进行人为捕捉；其次，在DSP上完成先进的目标跟踪算法，获取运动目标所在的图像2D位置，并在监视器上实时显示跟踪图像；最后，根据目标的位置信息得到脱靶量，把脱靶量通过ARM核发送给云台，云台通过PELCO-D协议控制运动调整摄像机的监控姿态，使运动目标始终保持在监控画面中心位置，实现目标的自动跟踪。为了满足移动平台上跟踪算法的稳定性和实时性要求，本系统的硬件采用TIDM8127芯片，该芯片由一个ARM核，两个M3-Cotex核和一个DSP核构成。为了达到视频采集、目标跟踪以及云台控制整个流程的实时性要求，采用多核协同工作机制；软件方面提出了一种高性能低复杂度的PCK跟踪算法。主要的创新点在于：采用改进的POC算法克服传统POC算法仅仅对目标的位移和亮度变化具有鲁棒性的缺陷；采用Kalman预测和历史评测数据动态更新模板机制克服目标被遮挡时的跟踪失败问题。　　实验结果和系统测试证明，相比Kim的去雾算法，本文提出的视频去雾算法取得了更好的视觉恢复主观效果，在视频闪烁效应相当的情况下，时间复杂度降低了0.39倍。另外，在光照变化、目标位移、尺度、姿态改变、模糊、噪声干扰以及部分遮挡等情况下，本文设计的嵌入式视频跟踪系统实现了目标的准确跟踪。对PAL制视频帧率能达到25fps,能满足移动平台的实时性要求。