光流场（Optical Flow Field）是空间中物体运动的运动场在图像平面上的对应体现，可用来对空间中的真实运动场做近似估计。光流场不仅携带了物体的运动信息，还携带了运动物体三维结构的信息。目前，光流场计算方法（即光流法）在模式识别、计算机视觉、图像处理等领域具有极其重要的基础地位，如运动估算、视频压缩、目标检测和跟踪等应用都需要用到光流场信息。但目前光流法的最大问题是计算复杂、速度慢，限制了它在实际系统尤其是嵌入式系统中的应用。比如经典的基于Horn-Schunck (即HS)模型的稠密光流法，当处理的图像分辨率为640*480，在主频为2.9GHz的i7-3520M处理器下，处理连续2帧图片序列需要2.3s。而且复杂的光流计算则更慢，几秒钟甚至更长时间才能处理完一副图像，显然无法满足实时处理的需要。因此，高效能的光流场实时计算是本文关注的重点问题。变分光流法是估算光流场的性能最出色、技术最前沿的方法。本文从变分光流法的理论分析入手；评估了不同的变分光流法在通用CPU上的计算性能和计算效果；提炼出光流法计算的通用工作流程；利用最新的高层综合（High Level Synthesis）语言与传统的硬件描述语言相结合，设计了基于线性的HS和Combine-Brightness-Gradient（即CBG）模型的变分光流法的硬件加速器；以软硬件协同的工作方式，并分别在ZYNQ-7000平台和基于Kintex-7的PC-FPGA平台上对光流算法的硬件IP核进行系统级的封装与测试，验证了光流算法IP核的可移植性与通用性。本文对变分光流法的实时计算方法进行了系统性的分析与研究，从软硬件协同工作的角度，设计了基于FPGA的可移植、高效能的光流计算系统。实验结果显示，以基于CBG模型的线性光流法为例，当处理的图片分辨率为640*480，在ZYNQ平台上计算两帧的光流场时，软硬件协同处理比纯软件处理的计算性能提高了33倍，每一帧的计算时间从26.68秒降低到0.82秒，其消耗的能量为0.35J；在PC-FPGA平台上每秒钟可以处理12帧，每一帧的计算时间为0.085秒，其消耗的能量为0.38J。