视觉是人类与外界交流的重要渠道。计算机视觉通过获取、识别和理解客观信息,来模拟人类视觉来理解客观事物。运动目标跟踪技术是其重要研究方向之一,在智能监控、机器人、智能交通等领域应用广泛。针对Camshift目标跟踪算法在相似干扰、遮挡时跟踪性能差的问题,结合KNN运动目标检测技术和Kalman滤波的改进Cam Shift跟踪算法。文中对常用的运动检测方法比较,其中背景差法跟踪不稳定,混合高斯模型也会受到阴影的影响,因此结合基于机器学习KNN背景分割器的运动检测算法,根据背景的变化自适应学习,有效进行运动目标的自动分割。利用Kalman算法预测并校正运动物体的位置,可以缩小CamShift算法跟踪范围,提高运算速度。针对多目标跟踪问题,建立目标类,对每个跟踪目标进行单独跟踪。搭建嵌入式树莓派3B+平台,实现在嵌入式系统上对运动目标跟踪。通过采集的测试视频,在嵌入式树莓派平台进行图像处理、运动目标检测、改进跟踪算法等实验。通过实验分析,该算法在相似干扰、遮挡的情况下能准确跟踪目标,在多目标跟踪方面建立目标类,基于改进的算法独立跟踪目标,相比传统的跟踪算法,改进的算法提高了跟踪的鲁棒性和准确性。