随着数字化时代的来临,基于视觉的运动目标跟踪作为智能视频监控的基础,在安防监控、黑飞监测、交通管制等领域正发挥着越来越重要的作用,实时、鲁棒的目标跟踪是视频监控系统对目标理解和决策的前提。然而,实际应用场景往往处于复杂且动态变化的环境之中,目标的跟踪需要克服背景干扰、光照变化、目标遮挡等多种挑战;此外随着视频码率的提高,基于软件的算法实现逐渐无法满足当前视频处理的实时性要求,同时资源和功耗的限制也影响了其在无人机、移动机器人等嵌入式设备上的应用。因此,本文对复杂场景下的抗遮挡运动目标跟踪进行算法研究以及硬件加速实现,为便携式设备的目标跟踪需求提供低占用、高实时的算法方案。本文首先研究了主流的目标跟踪算法,分析各类方案的优缺点以及适用场景;随后结合硬件平台高并行的处理优势,选择灰度模板匹配进行本文的目标跟踪研究,同时针对其抗干扰能力不足的问题提出算法的改进思路,即通过模板像素加权提高算法对目标形态的适应能力;通过SAD-MCD融合匹配提高算法的抗遮挡能力;通过自适应模板更新策略提高算法对环境变化的响应能力。随后基于国际通用的跟踪测试集标准OTB-100对算法进行Matlab建模与仿真,实验结果表明针对复杂场景下的小尺寸运动目标本文算法能够取得稳定的跟踪效果,符合实际场景的应用需求。之后,本文在Vivado平台下完成了基于FPGA的视频图像缓存架构设计,包括视频图像的采集、存储及显示,随后基于该架构完成了目标跟踪算法的硬件实现以及模块的Modelsim波形仿真。最后经过FPGA验证,本文设计能够在遮挡面积低于60%的情况下实现对运动目标的实时稳定跟踪。其中算法对LUT和FF的占用分别为35.6K和33.4K,对BRAM的占用为24.8KB,总体资源占用适中;同时算法所支持的最高频率为213.86M,在1920×1080分辨率下对单帧图像的处理时间仅为9.7ms,理论跟踪性能可达103fps,算法实时性能优异,符合嵌入式设备的目标跟踪需求。