红外小型运动目标的检测与跟踪在救灾救援、视频监控和军事侦察等领域有着广泛应用。然而,在这些应用场景中目标的检测与跟踪面临着探测距离远,目标成像面积小,背景复杂,成像平台运动干扰等问题。而且这些场景对系统的实时性与体积功耗也有着较高的要求。因此研究基于嵌入式平台的红外小型运动目标实时检测与跟踪有着重要意义,本文围绕上述场景中以下几个具体问题进行了研究。针对红外弱小目标检测时,固定大小滤波器难以适应视场中可能存在的多尺度目标,以及多尺度检测再融合带来的计算量大和虚警率高的问题。本文研究了目标灰度分布近似模型,分析模型提出了红外弱小目标尺度估计算法。该算法逐像素点估计目标可能的尺度。然后,根据估计的目标尺度逐点使用不同大小滤波器对图像进行滤波实现尺度自适应的红外弱小目标检测。实验表明,本文提出的尺度自适应的检测算法相比多尺度检测,信噪比增益等指标提高了1倍,速度提高了2到3倍。针对基于特征点配准的运动目标检测中,有时目标比较复杂使得部分配准特征点集中在目标上,导致在平台运动估计时加入目标运动信息,帧差后目标被减掉的问题。本文提出特征点重分布算法,该算法删掉部分局部过于密集的特征点使得它们在全图的分布更为均匀。实验表明,本文算法在不影响配准精度的前提下,可以得到更为准确的平台运动估计,信噪比更高的帧差结果,使得目标更容易被分割出来。针对相关滤波跟踪过程中,固定学习率的模型更新策略难以应对目标变化快慢不定的问题。本文提出了新的相关面质量评估指标,通过相关面质量评估,预测目标变化快慢。同时,考虑了目标被遮挡的情况,提出了目标遮挡判断算法。最终,结合目标变化快慢以及是否被遮挡的判断,进行学习率自适应的模型更新。基于OTB50数据集的实验表明,单通道灰度特征的相关跟踪器采用本文提出的学习率自适应策略后,跟踪精度提高了约3%,同时在实拍红外序列的跟踪上也取得了更好的效果。针对系统的实时性与小型化问题。本文算法在DSP平台上进行了优化实现。分析了实现结果与算法仿真结果的精度误差并测试了运行时间。实验结果表明,本文提出的算法与DSP实现方案在精度和实时性上均满足课题要求。