视觉目标跟踪技术是基于图像序列中运动目标的特征信息,预测后续图像帧中该目标的尺寸与位置。它是机器视觉领域的一个重要研究方向,在交通监控、视觉导航、人机交互以及医学诊断等领域都有着极其广泛的应用。目前随着生物学、生态学和仿生机器人学等领域对于飞行昆虫运动力学规律的研究不断深入,基于运动目标的快速视觉跟踪技术得到了越来越多的重视。在实际应用中,面向运动目标的跟踪算法往往要求具有运行效率高、复杂度低和计算开.销小等特点,然而传统的视觉跟踪算法在跟踪速度上一般无法达到快速跟踪的要求。本文围绕运动目标快速视觉跟踪算法,具体工作如下:在总结分析现有运动目标跟踪算法的基础上,选择CAMShift算法作为理论基础,该算法计算开销较小,受光照影响不大,在单个跟踪目标、非复杂背景下可实现有效跟踪。针对目标快速运动的特点,对算法提出了一些改进方案,研究设计了算法的并行化方法并在CPU+GPU的异构平台上并行化实现改进的CAMShift算法,优化了算法跟踪流程,减少了CPU与GPU之间的数据交换,提高了算法的跟踪效率。在标准跟踪数据集VOT2014 Benchmark上进行实验验证了算法的有效性并基于高速实时视觉平台进行了运动目标实时跟踪实验,离线及在线实验结果都验证了算法在达到较快跟踪速度的同时可以保持较高的跟踪准确性,实现了对运动目标有效的快速跟踪的预期目标。针对运动目标运动范围大、运动速度快、反应时间短,但常规跟踪系统中相机拍摄位置固定,拍摄范围小而导致跟踪目标较易丢失的问题,设计并实现了一套2自由度的主动式视觉伺服跟踪系统,即可以根据跟踪目标在图像中的位置反馈控制跟踪系统同时完成左右旋转以及俯仰运动以实现主动跟踪。系统集成了改进的CAMShift算法,机械结构紧凑、系统响应时间短,能够保证跟踪目标在较大空间范围内运动时始终位于相机的视野范围中。本文在Visual C++开发环境下基于OpenCV、CUDA等开源库编程实现了系统的功能,进行了跟踪实验,实验结果验证了主动跟踪系统可实现在较大空间范围内对运动目标的主动跟踪,具有实际的工程应用价值。