在科技发展的过程中,基于传统人工作业方式已经远远不能满足现代企业的要求,生产自动化是必然的趋势。在此需求下,人工智能技术也发展迅速。图像识别和处理技术是人工智能技术的一个重要应用方向,随着各类视频智能分析需求的增长,利用多种模型和人工智能技术进行图像识别和视频分析的重要性越发凸显,而图像处理技术是智能视频分析的基础,也是众多学者研究的重点方向。本文深入研究了图像和视频处理中的多目标跟踪技术,并基于图像目标的检测识别算法,提出多目标跟踪的理论方案,通过对算法的轨迹融合策略进行详细研究,提出了算法优化的设想,最后将相关研究算法应用于基于DSP芯片的图像处理系统,同时针对各类场景进行模拟,构建了图像处理系统的仿真环境,并进行实验和数据分析。本文主要的研究内容和创新工作如下:（1）本文针对变电站内的物体识别的问题,研究常见的图像目标识别的算法,在基于光流法结合特征检测的图像目标的识别算法基础上,优化了光线背景不佳的情况时,检测效果不理想的问题。（2）本文在图像目标识别算法的基础上,设计多目标跟踪实现方案。采用“先识别、后跟踪”的总体技术路线,即通过识别算法输出的目标数据进行多维的关联,从而实现对多种目标的跟踪。在本文中设计了基于预处理、时间窗口的多目标跟踪理论模型和方案,并提出了这种方案下的轨迹融合策略,实现了对多目标进行实时跟踪。这种时间窗口下的轨迹融合策略对比常规的方法加入了后纠错机制,可以纠正上一窗口轨迹处理带来的错误和偏差。同时本文在轨迹融合策略中使用了时间上连续的3个窗口进行对比,由常规的2种结果判断优化为5种结果判断,能有效减轻错误累积。（3）为验证相关算法和实现方案的可行性和准确性,在研究过程中,针对相关算法和方案的应用,设计了基于DSP芯片的图像处理系统实现多目标跟踪的方案,将相关算法基于DSP芯片的图像处理系统运算和执行,并进行了实验。在实验环境中,对比传统多目标跟踪技术路线,其平均窗口响应时长78.6ms,较常规DSP响应时长85ms缩短7.5%,符合实际使用需求。