无人运动平台作为一个集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统,在工业、航天、军事、服务等诸多领域得到了广泛应用。其中,环境感知是无人运动平台进行决策和规划的前提和基础,因此,各式各样的探测系统成为无人运动平台不可或缺的一部分。在这些探测系统中,红外成像探测系统由于隐蔽性好,抗干扰性强,可全天时工作的特点成为大多数无人运动平台的载荷,基于红外图像的目标检测跟踪成为无人运动平台的重要研究任务之一。本文重点研究了无人运动平台下的红外弱小目标检测与红外面目标跟踪方法,设计并实现了基于无人运动平台的由点、斑点到面变化的红外目标检测与跟踪系统。主要的研究内容和取得的成果如下。(1)针对单帧弱小目标检测中的图像边缘、纹理和高亮区域抑制问题,提出了一种基于Patch域的变分贝叶斯红外弱小目标检测方法。首先,利用滑动窗对红外图像进行分解,获得若干个Patch;然后,利用k-Nearest-Neighbor(kNN)方法将所有的小区域分为若干个Patch的聚类,再采用去均值法去除每个聚类所包含的背景成分;最后,通过阈值分割,达到提取弱小目标的目的。仿真实验结果表明,该方法能够有效性地对红外弱小目标进行检测,具有较好的背景抑制能力和鲁棒性。(2)针对TLD方法在面目标跟踪中存在的稳定性差和实时性不强的问题,提出了一种基于压缩域多尺度特征改进的TLD跟踪方法。首先,跟踪模块利用不同大小的矩形窗获得图像的多尺度特征并利用压缩感知方法对多尺度特征进行降维,利用朴素贝叶斯分类器获得目标的位置;然后,检测模块对每帧图像进行检测,并判断跟踪模块是否跟踪到目标;最后,学习模块根据跟踪模块的结果对检测模块的错误负样例和错误正样例这两种错误进行评估,并根据评估结果生成训练样本对检测模块的目标模型实现更新,同时,对跟踪模块的分类器进行更新,以此减少误跟踪。实验结果表明,所提方法可以实现长时间连续稳定的跟踪,并提高了原始TLD跟踪方法的运行速度。(3)针对反无人机系统的红外目标检测跟踪应用,将基于Patch域的变分贝叶斯红外弱小目标检测算法和基于压缩域多尺度特征改进的TLD跟踪方法结合起来,实现对红外序列图像中由点、斑点到面变化的目标的准确检测和稳定跟踪。经过多次外场试验结果表明,本系统能够很好地实现对小目标检测和面目标跟踪的功能。