最近几十年，随着国家经济和科学技术的发展和进步，国家综合实力获得了快速增长。计算机视觉、人工智能、通信技术和多媒体技术等科学技术得到了长足的发展，其中，计算机视觉技术已经成为当下最热门的科学技术之一。运动目标跟踪技术汇集了计算机视觉领域里大量的研究人员，在视频图像分析中，获得了大量的应用，同时，它也是一门较前沿和跨多种学科的技术，融合了模式识别、图像处理、人工智能等多领域的理论知识。经过多年的发展，运动目标跟踪技术在军事制导、安防监控、智能交通、气象分析、视频编码和视觉导航等多个领域得到了广阔的应用，并取得了大量的实际应用价值。目标跟踪是视频图像分析中的核心和难点技术，跟踪结果对智能监控系统的效果起到了决定性的作用。在理论和实际应用中，该课题仍有些许问题和难点尚待解决。在复杂并动态变化的场景下，运动目标除了会受到周围环境的影响，其自身运动导致的观测形变也会带来检测和跟踪的难度。传统的基于图像特征匹配的跟踪算法中提取的尺度不变特征可以获得较好的匹配跟踪效果，然而这样的特征提取比较耗时。本文提出了一种鲁棒的实时目标跟踪方法，通过提取目标的多尺度平移、旋转特征来构建冗余字典，提高了算法的鲁棒性，并利用此字典表示待跟踪目标集特征，查找与目标模板最近邻的待跟踪目标则为跟踪的最终结果。这种基于字典学习的实时跟踪算法可以鲁棒实时地跟踪单目标。本文的主要研究内容和工作如下：1.结合当前的研究现状，总结了现有的目标检测与跟踪技术，分析了各种不同算法的优缺点。典型的运动目标跟踪算法有两种：基于运动分析的跟踪算法和基于图像模板匹配的跟踪算法；基于运动分析的方法有光流法、背景建模法，此方法无法解决目标长期静止时的跟踪问题；基于图像模板匹配的方法通过获得目标的特征信息，并将该信息与目标模板信息对比来实现目标跟踪。目标特征提取的质量会影响整个算法的性能。2.针对传统的图像匹配跟踪算法的不足，本文构建图像特征集合的冗余字典来跟踪运动目标。本文提出的目标跟踪算法由分类和学习两部分组成。分类阶段从采样图像中分类出最大可能包含目标的图像，即实现了目标跟踪的问题。分别提取采样图像的多尺度特征，目标特征信息通过字典投影到变换空间并保留了原始特征信息。学习阶段是对目标模板和字典的更新，跟踪到新的目标位置后在其附近采样一定的正样本，对正样本适当的尺度、旋转、仿射等变换构成训练样本，然后提取训练样本的Haar-like特征，聚类后的Haar-like特征构成新的完备基，同时采集的正样本特征在新的完备基上的投影便是新的特征模板，此模板就是原始特征信号的表示。3.算法的实时性在嵌入式系统上实现，嵌入式系统由硬件平台和上位机软件平台两部分组成。本文选择Camera Link接口的数字相机，该接口是为数字相机的图像数据传输提出的一种接口协议和标准，其最高的传输速率达到2.38Gbps。FPGA接收到高速实时图像信号后整理打包给DSP进行目标跟踪处理，跟踪结果通过PCI传输给上位机实时显示。本文对运动目标的跟踪算法做了详细的研究，结合传统的目标跟踪算法的优缺点，在算法的计算复杂度、跟踪准确率等方面做了改进，提升了跟踪算法的综合性能。本文提出的目标跟踪算法在不同的现实场景下，获得了良好的实验效果，同时，也在嵌入式平台上验证了本文算法的正确性和有效性。