目标跟踪是计算机视觉研究和应用的一个重要部分,随着图像处理和人工智能等技术的快速发展,目标跟踪研究和应用也得到了极大的提升,在交通、医疗、军事等各个领域获得广泛关注和应用。早期的目标跟踪算法,主要是通过建立目标模型来实现运动目标的识别与跟踪。近年来,基于相关滤波算法引起了人们的普遍关注,并取得较为显著成果,得到广泛的研究和应用。在此基础之上,本文对核相关滤波算法做了进一步的改进,其跟踪精度和运算速度得到较大的改善,鲁棒性好,实用性强。本文首先对运动目标跟踪算法的主要方法进行了分析,特别是相关滤波方法作了较为深入的研究,针对核相关滤波算法(KCF)的基本特性和跟踪效果,作了初步的分析讨论。在此基础上,围绕核相关滤波算法的跟踪性能,对基础参数,如正则化参数(lambda)、特征提取参数(cell_size)、模型更新参数(interp_factor),进行了一些性能分析和实验对比,初步了解算法的主要特性和适用对象范围。针对该算法存在的问题,提出了一种改进方法,动态更新跟踪模型的基础参数,精度得到提高,速度得到加快,取得较好的效果。针对遮挡问题,本算法有较好效果,解决了原算法中存在的跟踪失败现象;对目标与背景相近场景,本算法也有较好表现,能够克服背景相近引起的误判。本文在改进核相关滤波算法基础上,将其移植到嵌入式平台中。在Linux环境下,搭建OpenCV、Qt工作环境,建立了改进算法的模型库函数,实现了对运动目标跟踪的任务。实验结果表明,在嵌入式环境下,改进算法具有对运动目标较好的跟踪能力,运算速度较快,鲁棒性较好,取得良好效果。