目标跟踪技术在计算机视觉中扮演着关键角色,在实际应用中提高目标跟踪系统的性能十分重要。与CPU相比FPGA能大大的提高算法的计算速度,使用FPGA进行系统设计能很大程度上提高系统性能。目标跟踪系统最重要的性能指标是实时性和可靠性,本文从提高实时性和可靠性这两个系统性能指标出发,设计了一种基于FPGA的动态目标跟踪系统。传统的目标跟踪算法可能会因外界干扰的影响,使跟踪精度达不到要求,针对此问题采用了一种基于梯度向量流模型的Mean Shift跟踪方法。本文首先搭建了软硬件平台,然后对主流的目标检测算法、传统的模板匹配算法以及Mean Shift目标跟踪算法进行了实验分析,从各个算法的精度曲线能很清晰观测对应的效率,从而选择Mean Shift算法作为基础算法进行系统实现。其中目标检测算法使用背景差分法,用于提取目标初始轮廓来作为目标跟踪算法的初始迭代点。由于原始的Mean Shift算法用于本系统中会因为摄像头抖动等原因导致目标跟踪失效,引入梯度向量流模型来进行目标矫正,使得跟踪能够流畅进行,矫正过程通过计算均方误差来获取目标轮廓,甄别到丢失的目标轮廓从而确定丢失目标的位置,使用此方法能使Mean Shift算法进行目标跟踪的效率提高,这样能大大改善系统的实时性。最后进行了跟踪算法的FPGA实现以及实验分析。本文系统内部数据传输使用半乒乓操作来解决内部算法处理速度与数据传输不同步的问题,经过多次测试,证明了本文研究的算法提高了系统的稳定性。