目前在运动军事目标的精确打击、智能交通系统等领域中，目标的自动检测与跟踪有很多待解决的重要难题，也是计算机视觉领域的研究热点。Mean-shift算法是一种非参数的密度梯度估计算法，最初被用于模式识别领域中的聚类分析，近年来在目标跟踪等领域得到了广泛应用。MS跟踪算法中运动车辆的视频预处理阶段包括车辆图像的平滑滤波、背景差分、背景更新、运动目标的检测和粗定位等。然后在研究传统的MS跟踪算法的基础上，论文重点对动态场景的车辆目标的跟踪进行了研究，提出用SVM对车辆进行识别，并且融合了核函数带宽和模板目标更新机制，目标模板采用背景加权，候选目标区域采用核加权的自适应算法，消除了目标模板直方图中背景像素的影响，能很好的对目标进行跟踪。对尺度变化较大的运动目标，只有使核函数带宽保持与目标尺度相吻合才能长期准确跟踪目标，因此需要对核函数带宽更新。而且要求模板能够及时反映目标的最新特征，同时又要保留某些固有特征，所以需要对目标模板的有效更新。由于干扰和环境等因素的影响，会出现车辆目标跟踪丢失的情况，而采用基于前后帧的线性预测可以预测候选目标的位置,增强了设计的系统的稳健性。车辆跟踪系统采用基于ARM和DSP的双核技术，此系统有广泛的应用前景。基于HPI接口设计的双核特性可以提高了系统的实时性，同时完成了各外围电路以及驱动程序的设计，并且采用CPLD控制系统的时序和逻辑转换技术来设计视频采集电路，使得硬件结构简单。使用FIFO作为图像传感器和DSP的缓冲，解决了摄像头和DSP处理器的工作频率不一致的问题，提高了系统的实时性。最终把MS算法移植到设计的跟踪系统中，经过优化试验和调试，最终实现一个基于车辆跟踪的小型化的光电跟踪系统。