Deze thesis beschrijft de ontwikkelling van software die op basis van FMCW-radargegevens een voetbal kan detecteren en volgen. De problemen die zich daarbij voordoen zijn onder andere het maken van onderscheid tussen voetballen en andere objecten, het volgen van een voetbal en het omgaan met complexe situaties zoals die zich in het voetbalspel voordoen. De software is opgesplitst in drie delen, namelijk objectdetectie, objecttracking en objectclassificatie. Goede objectdetectie is essentieel voor het kunnen tracken van objecten, en goede tracking is belangrijk om objecten juist te kunnen classificeren. Tot slot vindt er besluitvorming plaats op basis van de door de objecttracking en objectclassificatie verzamelde gegevens. Een studie is gedaan naar deelconcepten die mogelijke oplossingen vormen voor de verschillende delen in het eindontwerp. Tevens zijn er enkele deelconcepten onderzocht en getoetst. Op basis van het gedane onderzoek en de gevonden resultaten is er software voor een prototype in Matlab ontwikkeld en gelueerd. Het prototype is vooral bedoeld om verschillende oplossingen voor de verschillende deelsystemen te kunnen evalueren. Het detecteren van objecten vindt in het prototype plaats door middel van piekdetectie. De drempel die hierbij toegepast wordt, kan vast ingesteld worden maar kan ook adaptief bepaald worden met behulp van een CFAR detector. Voor het volgen van objecten kan gebruik gemaakt worden van zowel de dichtstbijzijnde nabuurmethode als een methode die gebruik maakt van een Kalman filter. Objectclassificatie vindt in het prototype plaats op basis van de mate van constantheid van de reflectie van een object. Andere alternatieven zoals het detecteren van een verschil in reflectie bij verschillende polarisatierichtingen, of het gebruik van RFID-chips zijn niet toegepast, omdat deze niet geschikt leken in de gebruikte opstelling of niet beschikbaar waren. Uit de evaluatie van het prototype blijkt dat in sterk vereenvoudigde spelsituaties het systeem aan van de twee gestelde nauwkeurigheidseisen voldoet. Het beeldverwerkingsysteem wordt in meer dan 75% van de gevallen terecht voor een naderende bal ingeschakeld en niet voor een ander naderend object. Het komt echter te vaak voor dat het beeldverwerkingsysteem niet ingeschakeld wordt terwijl er wel een bal aan komt. De beste combinatie om objecten te volgen bestaat uit het Kalman filter met een CML-CFAR detector. De gebruikte classificatiemethode blijkt niet goed genoeg te zijn om gebruikt te worden in de uiteindelijke implementatie. Het prototype classificeert 80% van de ballen juist in situaties waarin de bal duidelijk voor de radar zichtbaar is. Wanneer de bal zich echter in de buurt van een ander object bevindt, treden er classificatiefouten op.