本课题致力于研究机载平台下的地面移动目标检测与跟踪技术。在机载平台下,图像背景会随着成像平台的运动而发生移动。基于配准的像素点建模方法会因为在配准过程中产生像素级误差,导致模型无法精确的与待检测像素完全匹配,检测性能不佳。在跟踪算法方面,机载平台的控制系统更为复杂,要求的实时性更强,在执行跟踪任务时还需要对目标进行长时间的稳定跟踪。本文的研究内容从移动目标检测与移动目标跟踪两个部分展开。本文检测部分基于双通道单高斯移动背景建模技术,该算法相比帧差法检测效果更好,相比光流法运行速度更快。在传统的静态背景建模的基础上,该方法通过区域SIFT特征匹配对移动背景进行仿射变换还原,并对区域模型进行重构以适应于动平台下的移动目标检测。为了针对背景冗余信息导致的模型“衰老”,该方法引入了模型自重建技术。在此基础上本文结合不同时间尺度下的检测结果,提出了一种基于仿射变换相似性度量的自适应时间多尺度检测方法,在提高原始算法检测率的同时有效的降低了检测结果中的虚警数。在目标跟踪部分提出了一种基于KCF的自适应学习率跟踪算法。针对传统KCF算法抗相似物干扰不佳的问题,本文通过提出一个自适应的学习率,改进了KCF算法的模型更新过程,使原有算法具有了更好的抗相似物干扰能力。在此基础之上添加了目标重新捕获模块,使得算法可以应用于长时间目标跟踪的情况。最后通过特征降维和定点转化使算法在TMS320C6455单核定点处理器上实现。本文设计的检测算法在简单场景下,对于目标像素大于30×30的目标,检测率大于95%,复杂场景下大于80%。跟踪算法在TMS320C6455单核定点处理器上运行速度测试,具有很高的实时性。