目标检测与跟踪在计算机视觉领域一直是一个非常重要的研究课题，Mean Shift是非常好的一个目标检测跟踪算法，但是针对Mean Shift算法对目标被大部分遮挡时的情况，本文研究了将Mean Shift算法结合卡尔曼滤波器的改进目标检测与跟踪算法，通过将此算法移植到OMAP3530平台上，完成了一个独立的目标检测与跟踪系统。Mean Shift算法采用核颜色直方图作为描述目标的模型，此核函数有较好的实用性和鲁棒性，对于目标物体的形变和小部分的遮挡并不敏感，因此本课题引入Mean Shift算法进行对目标物体的检测。在特殊情况下，如目标大部分被覆盖或运动目标的速度很快，若单纯使用Mean Shift算法将无法达到准确检测到目标的目的，从而导致跟踪失效，经研究发现，融合了卡尔曼滤波器Mean Shift算法在处理此类问题时具有很好的处理效果，本文介绍了卡尔曼滤波器的应用原理并描述了如何将滤波器融合到Mean Shift算法中的具体步骤，此方法实现了对被遮挡目标的跟踪检测，取得了很好的跟踪效果，使得Mean Shift算法的适用性更加广泛，解决的问题更加复杂。本文介绍了OMAP3530硬件平台，然后详细介绍了linux系统的构建与算法的移植，通过实验结果分析，Mean Shift与卡尔曼滤波器相结合的目标检测与跟踪算法运行稳定，执行效率高，通过对不同情况的视频进行实验，通过实验结果分析，相对于单一的MeanShift算法，改进后的算法运行效率可以提高15%。最后将算法移植到OMAP3530平台上。