随着电子信息的飞速发展,视频目标跟踪技术无论在民用还是军事上都获得了普遍的应用,如智能视频监控、人机交互、机器人导航、医学诊断以及精确制导等方面。本文广泛地分析了目标跟踪的典型算法之后,深入地研究了基于Mean Shift算法在应用于小区视频监控中的硬件实现。Mean Shift算法是一种沿着概率密度梯度方向多次迭代寻找目标位置的快速而有效的方法,已经成为视频目标跟踪方法的重要研究内容,因此,对复杂情况下的目标跟踪的专用硬件模块的开发是非常有意义的。本文以小区的视频监控为应用背景,研究单个摄像机固定的动态复杂场景下,对单个运动目标视频跟踪的硬件实现。具体的工作如下：本文详述介绍了经典Mean Shift算法基本原理及在视频目标跟踪中的应用,归纳出设计流程图及目标跟踪实现的步骤,利用Microsoft Visual C++ 6.0工具对Mean Shift算法进行仿真试验,针对仿真试验结果分析Mean Shift算法优缺点,对算法进行针对性改进。针对目标的部分遮挡问题进行了研究,利用基于边缘加权的Bhattacharyya系数,判断出目标的遮挡时刻,根据遮挡严重程度采用不同的模板更新策略。在传统均值漂移算法中,当目标跟踪区域包含较多背景像素时,将引起目标定位偏差的问题,本文针对这一问题进行了改进。设计了一种基于归一化灰度直方图的改进算法。改进的算法对目标模型与环绕目标模型周围的背景区域分别建模,取得特征值的归一化灰度直方图。若某一特征在目标模型中的取值大于指定的阈值又小于另一指定的阈值,把这样的特征认为是具有目标特征的像素。改善后的算法可以有效地减弱背景像素对目标定位的影响,使目标跟踪更加准确。本文将改进的算法在ICETEK-DM6437-B评估板上硬件实现,该板的主处理器采用美国德州仪器(TI)生产的TMS320DM6437。实验结果表明Mean Shift算法性能良好,且简单易实现。对跟踪低速的运动目标大多数情况都能达到实时、准确的跟踪,获得了高效的代码。