目前,对目标跟踪的研究已经实现了静态背景下特定目标的跟踪。但在实际环境中,由于图像噪声的干扰,背景的变化等因素使得目标的检测并不是很理想,进而影响跟踪性能。另外,在目标跟踪中,需要对目标进行识别,对异常目标实施跟踪。本文针对目标跟踪中的两个关键问题进行了研究,并考虑算法的快速性和稳定性,研究建立一个小型化嵌入式平台,采用C/C++语言,实现运动目标检测算法、目标识别算法、运动目标跟踪算法,完成噪声场景中异常目标的跟踪。本文研究内容包括：1、对以ARM为核心的嵌入式硬件平台进行了描述,研究针对此硬件平台移植系统引导程序、裁剪Linux内核以移植操作系统并完善相应的驱动程序,从而完成嵌入式应用程序运行环境的搭建。另外,研究搭建嵌入式Linux应用程序的开发环境,包括建立交叉编译环境,安装并移植OpenCV图像处理函数库。2、针对在目标检测中存在的图像噪声,研究运动目标检测的方法,提出了基于预处理和平均背景模型的方法来减少干扰,并研究采用形态学滤波和基于轮廓面积的目标提取方法对差分后的前景图像进一步处理以得到运动目标,实验证明了该算法能准确的检测目标。在背景模型中,提出了基于加权平均的背景模型计算方法,数据表明,该算法有一定的优越性。3、对运动目标的特征提取及识别进行了研究。将识别对象设定为人体,研究采用分类器检测人脸,测试表明该方法检测速度快、稳定性高。针对人脸图像的大量数据,采用主成份分析的方法提取人脸特征,从而识别人脸图像,并研究采用步态识别的方法对人体进行识别。测试结果表明,人脸识别结果易受人脸姿态的影响,但识别算法较快。在对目标进行识别后,建立基于色彩目标模型,对异常人体实施跟踪,测试结果表明,跟踪算法能稳定跟踪目标。本文实现了目标检测、识别、跟踪的算法,为研究智能视觉目标跟踪系统进行了有益的尝试。由于时间有限,算法未能在嵌入式平台上实现,有待进一步研究完成。