近年来,随着互联网技术的高速发展,城市交通,航空航天,自动驾驶等领域也获得了新的发展机遇。尤其是在智能监控领域,如何在海量数据中精准快速的检测到动态目标并正确的跟踪是一个复杂的问题。以LK光流法为代表的动态目标跟踪算法通过跟踪部分特征点构建稀疏光流场,可以在缺少场景信息的情况下准确的识别并检测到目标位置,实时跟踪动态目标。但由于相关处理器性能和软件架构平台的限制,在系统实时性方面很难达到相关要求。随着超大规模集成电路的兴起,以“FPGA+CPU”架构为代表的So PC平台不仅拥有搭载嵌入式操作系统的特性以及软件开发灵活性,而且还拥有数据吞吐量大,运算速度快,开发周期短等可编程逻辑电路所拥有的特点。为了提高光流跟踪系统的准确率以及实时性,本文提出一种基于So PC平台的SIFT算法结合LK光流跟踪的系统方案实现动态目标跟踪,既提高了光流跟踪算法的准确性,同时加快了系统运行速度,保证系统的实时性能够达到要求。本文主要研究工作如下:1)LK光流算法是通过计算部分特征点的光流矢量进而实现动态目标跟踪,所以其跟踪效果与特征点的选取有直接的关系。SIFT算法凭借其尺度不变性和旋转不变形的特点,提取的特征点具有非常高的稳定性,很适合用于光流跟踪。本文通过SIFT算法提取目标附近区域的所有特征点,利用LK光流算法计算其对应的光流矢量,得到待检测目标的移动距离和方向,进而实现目标跟踪。2)为了充分发挥Zynq平台“FPGA+CPU”的架构特性,对动态目标跟踪系统采用软硬件联合设计的方案来实现。将SIFT算法提取特征点放在上位机软件端进行处理,CPU端负责算法流程控制以及动态目标位置更新;FPGA端采用流水线设计对光流计算进行硬件加速,通过软硬件协调工作,极大的提高了系统性能。3)针对FPGA电路结构的空间并行特性,对LK光流算法各个步骤进行优化设计。在图像缓存模块中,为了提高系统运行效率,采用“乒乓缓存”的方式在存储新数据的同时读取已缓存的数据供后续模块处理;在设计梯度计算模块时,为了避免电路中关键路径过长而影响系统时序收敛,采用五级流水线设计和空间展开并行处理的思想设计梯度模块相关电路,提高系统运行速度;针对光流算法的矩阵求逆运算在硬件端难以实现的问题,通过将原有光流计算公式加以改进,将求逆运算改为标量除法运算,并采用任意进制全流水除法器,计算各个像素点对应的光流矢量,既减少了硬件资源的消耗,还提高了系统的数据吞吐率,降低了逻辑设计难度,提升系统运行效率。本文采用完整的系统验证与测试流程,在Xilinx公司的Vivado系统开发平台上对于光流计算的各个模块进行单独仿真以及联合调试,测试其仿真性能。最终进行上板测试,在基于320*240分辨率的视频跟踪速度可以达到33fps左右,相比于软件模型有了大约3倍的速度提升,体现了本文所介绍的软硬件联合实现方案的优越性。