随着嵌入式技术和自动控制技术的发展,图像跟踪系统在军事战争和人民生活中有着非常广泛的应用。图像跟踪系统是一个非常复杂的系统,因为它不但要做到对跟踪物体的精确检测,而且还需要完成对跟踪物体的实时跟踪。此外,在特殊应用场合下的图像跟踪系统还需要克服外界因素的各种干扰。因此,这使得对图像跟踪系统的软、硬件都做出了更高的要求。本文重点对图像差分跟踪算法、均值漂移跟踪算法和卡尔曼滤波跟踪算法作了深入研究,并针对视频目标跟踪中的难点问题,提出了两种新方法。一种是基于图像差分检测均值漂移跟踪算法。该算法首先根据图像背景差分法完成运动物体目标模型的提取,再应用均值漂移跟踪算法完成对运动物体的跟踪;另一种是基于卡尔曼预测图像差分跟踪算法。该算法首先通过卡尔曼滤波器预测出运动物体在下一帧里可能出现的区域,再在可能出现的区域内根据图像差分理论完成对运动物体的跟踪。前者算法弥补了均值漂移跟踪算法对不同物体进行跟踪之前,需要人为设定目标模型和跟踪区域内该物体质心坐标的缺陷;后者算法弥补了图像背景差分算法需要对跟踪区域内每一个像素点进行运算的缺陷,并有效解决运动物体被部分遮挡后仍然能正确跟踪运动物体的情况。本文选用三星公司ARM9的S3C2410嵌入式开发平台完成了上述跟踪算法的验证。在小型粮仓内利用图像差分跟踪算法完成对运动白色塑料瓶的跟踪,每帧图像耗时约为0.375s;在实验室内利用基于图像差分检测均值漂移跟踪算法自动完成对运动白色泡沫的跟踪,每帧图像耗时约为0.735s;在实验室内利用基于卡尔曼预测图像差分跟踪算法完成对人行走的跟踪,每帧图像耗时约为0.258s。实验结果表明,基于图像差分检测均值漂移跟踪算法弥补了均值漂移跟踪算法的缺陷,自动地完成了对不同物体的实时跟踪。基于卡尔曼预测图像差分跟踪算法缩短了图像差分跟踪算法的时间,同时增强了图像跟踪系统的实时性。