空中加油技术可以有效提升飞行器留空时间,使其能够执行更多的战术内容,因此该领域已成为世界航空军事技术发展的主要方向之一。作为目前应用最为广泛的空中加油方法,也是我国空、海军采用的加油技术,软式空中加油的关键部分之一在于对接阶段内对加油锥套视觉信息的准确快速感知。针对这一情况,本文以深度学习方法与传统相关滤波方法为基础,对软式空中加油锥套目标视觉检测与跟踪问题开展了相关研究。首先,针对空中加油的复杂任务场景情况对锥套位置信息获取准确性的影响,本文研究了基于关键点估计深度卷积网络的锥套目标检测算法。通过分析传统检测方法存在的不足,结合主干网络对检测算法模型的作用,以Hourglass主干网络结构和Center Net中心点估计检测网络为基础,提出了基于Easy-Hourglass主干结构的Snappy-Center Net目标检测算法,提升了目标检测网络的准确性与鲁棒性,并改善了小目标场景的检测效果。其次,针对低算力硬件环境下传统网络实时性难以保证的问题,本文研究了基于嵌入式平台的锥套目标检测网络压缩优化算法。通过分析常见的神经网络模型压缩优化方法,结合空中加油任务对于目标检测准确性的要求,以Ghost Net主干网络结构为基础,提出了基于改进的Ghost Net主干模型的轻量化Center Net目标检测算法,提升了目标检测网络在嵌入式平台下的运算实时性。再次,针对锥套目标遮挡与尺度变化造成跟踪结果漂移的问题,本文研究了基于边缘分块拟合的锥套尺度自适应相关跟踪算法。通过分析相关滤波跟踪方法对目标尺度改变与遮挡情况应对能力的不足,以核相关滤波跟踪为基础,提出了基于分块处理的跟踪遮挡判断方法并设计了基于边缘特征点拟合的尺度自适应目标跟踪算法,提升了跟踪算法在目标尺度变换与出现部分遮挡情况下的可靠性与鲁棒性。最后,本文对提出的锥套目标检测、跟踪算法进行了验证与分析。通过对实验系统的设计,利用制作的多场景锥套目标测试用例数据集,测试了算法在定义的三种关键评估指标方面的具体性能,并与相关主流检测跟踪方法进行了对比与分析。实验结果验证了本文所研究方法的有效性,满足软式空中加油对接阶段视觉导航中锥套目标准确、快速识别的相关需求。