空中加油技术可以有效增强飞行器的续航作业能力,是空中力量的倍增器,对于提升有人机与无人机作战能力有着至关重要的作用。目前,有人机的空中加油技术操作难度大、危险性高,通过飞行员的视觉感知无法准确实时地获取加油锥套的相对位置。为此,本文基于视觉的方法对加油锥套的检测跟踪问题展开研究。首先,论文基于直方图分割与级联特征分类方法研究了锥套目标检测算法。通过对传统目标检测算法实时性较差的问题,结合锥套的外形结构特点,提出了自适应阈值分割算法,利用目标的形状特征建立级联分类器,实现锥套候选区域的提取,采用HOG特征与SVM分类器建立锥套边缘特征描述模型,通过局部检测区域的修正算法,获取最终的目标检测区域,保证了锥套检测算法较高的实时性以及准确性。其次,论文研究了基于深度学习图像处理的加油锥套目标检测方法。通过分析传统方法在鲁棒性方面存在的不足,结合实时性较好的YOLO目标检测算法,提出了Dapper-YOLO目标检测算法,以提升目标检测的精度。对于目标较小的情况,论文提出了基于级联结构的Dappers-YOLO目标检测算法与分块检测算法相结合的方式,提升了小目标情况下的检测的精度与成功率。再次,论文研究了尺度自适应的锥套目标跟踪算法。通过分析相关跟踪存在尺度固定以及无法判断跟踪失败的问题,论文提出了基于特征点检测的尺度自适应相关跟踪算法框架,分别从传统图像处理与深度学习两个方向提出了基于极坐标转换的特征点检测与基于卷积神经网络的特征点检测两种方法,并结合相关跟踪算法与Dapper-YOLO目标检测网络实现高精度、高鲁棒性、高实时性的锥套目标跟踪算法。最后,论文根据搜集到的空中加油视频数据建立了多种场景的锥套目标检测跟踪测试数据集,并对数据集进行真实参考值的标注工作,分别从多个角度对论文提出的方法以及已有的相关方法进行算法性能测试评估。实验结果验证了论文所研究方法的有效性,对论文的研究工作具有重要的支撑作用。