随着人工智能和自动化产业迅速发展,无人机智能系统的应用日益广泛。因为可见光波段相机在光线不足时拍摄效果不佳,无法适应变化场景应用,所以本文通过融合可见光图像和红外图像获得的良好目标检测结果,实现无人机载多波段图像的运动目标检测跟踪。重点研究无人机智能系统中的地面站任务,包括软件界面、运动检测、目标跟踪。设计搭建了基于无人机的智能跟踪系统,硬件部分由无人机载平台、红外相机、可见光相机和地面站组成,利用无人机无线图传模块对相机采集的数据进行实时传输和反馈。软件部分利用VS2013软件设计地面站PC端的MFC界面,以及各模块功能。根据飞行无人机采集的视频图像特性,在研究三种动态背景下的运动检测方法,包括改进帧间差分、背景差分和光流法的基础上,重点研究利用相位相关的运动估计补偿方法削弱帧间差分法受全局背景运动干扰,将红外和可见光图像的最大类间方差背景分割结果融合为,减少帧间差分法受局部背景运动影响,使其适应动态背景运动检测。根据经典连续自适应均值漂移(Continuously Adaptive Mean-SHIFT,CamShift)的单目标跟踪方法,引入局部自适应回归核(LocallyAdaptiveRegressionKernel,LARK)特征进行整体匹配的跟踪(GFMT方法),有效削弱灰度相似背景干扰。根据形态变化目标的细微结构不变特性,利用LARK特征对细微结构变化的敏感性,提出基于局部特征统计匹配的跟踪方法(LFSMT方法),能够鲁棒地跟踪形态变化目标。实验分析表明,本文设计的智能跟踪系统能够在不同动态场景下准确地检测并跟踪运动目标。