目标接力跟踪任务,即对同一目标在不同图像中的位置进行检测的一类任务。随着时代的发展,该项任务逐渐被广泛应用于城市监控、安防等领域中。但是这些应用场景都具有摄像头固定、需要确定目标会出现在摄像头视野下、无法于边缘设备中完成运算等缺点。针对以上问题,本文结合多无人机构成视觉系统,在地面目标与无人机之间存在相对运动、不需要提前确定接力目标会出现在哪个摄像头的视野中的情况下,从视觉角度完成了对地面目标的分布式视觉接力跟踪。本文首先对课题背景和目标检测、目标跟踪、目标重识别的当前发展现状进行综述,对当前研究的水平和不足进行了分析,指出了当前关于重识别的研究在实际场景中的局限,包括目标位置的获取问题、边缘设备中算法实时性差的问题与视野中是否存在接力目标的判断问题。接着对本系统的工作流程、软硬件构成与通讯协议进行了详细的讨论。在本文中,针对图像中地面目标位置获取的问题,对当前常见的目标检测算法在无人机航拍数据集Visdrone上进行了测试,结合边缘设备上的实时性和准确率两方面考虑,选择了YOLOv5-s算法并结合Tensor RT深度学习加速库对地面目标进行检测。基于目标检测的结果,本文构建了基于孪生神经网络的单目标跟踪方法,重点关注方法的实时性与对遮挡、目标不规则运动的鲁棒性。最终完成了在无人机平台上对地面目标的实时检测与跟踪。此外,根据目标跟踪的结果,本文还通过成像原理对图像中目标位置与实际中目标位置的关系进行建模,完成了地面目标的位置估计。本文针对当前绝大多数重识别算法在边缘设备上实时性差的问题,本文设计了一种利用轻量级特征提取器进行重识别的方法,成功的在边缘设备上实现了分布式的目标重识别。针对当前视野中是否存在接力目标的判断问题,本文研究了一种使用神经网络度量当前视野中候选目标与接力目标相似度的方法,并基于目标检测与目标跟踪的结果,完成了对视野中存在接力目标与否的正确判断,并在存在接力目标的视野中成功完成了对目标的接力跟踪。