运动目标检测与跟踪技术是视频处理技术中一个非常重要的分支，广泛应用于智能交通、生物医学、工业生产、公安安防以及军事应用等方面。利用无人机平台搭载视频传感器的方式，实时对地面运动目标进行检测与跟踪，可以获得最新战场情报信息，在战场侦察和监视任务中具有重大意义。然而无人机序列影像背景复杂，且影像中运动目标多为体积小位移大，利用传统的目标检测跟踪方法难以检测跟踪。本文的研究目的是在光流分析的基础上，将道路信息引入到无人机序列影像运动目标检测与跟踪研究中，实现对小运动目标准确检测和持久跟踪。完成的主要工作及取得的成果有如下四个方面：1、系统性地阐述了有关光流技术的基本原理和计算方法，重点分析了光流计算中可以用于大位移运动估计的两种方法——基于特征匹配的光流算法和多分辨率由粗到精分层计算策略，并进行实验对比，为大位移光流算法的提出奠定基础。2、针对无人机视频影像中大位移小目标的运动估计，提出了一种将特征匹配和微分梯度相结合的大位移光流算法。在传统光流变分模型的基础上，利用描述符匹配得到的同名特征点进行约束限制，建立大位移光流模型，结合由多分辨率由粗到精最优化策略进行计算，实现大位移光流估计。3、引入道路信息，以道路节点坐标作为基础地理数据，依据缓冲区分析的原理，构建道路缓冲区，在道路缓冲区的基础上采用分块的方法确定道路检测区域，有效缩小检测区域，应用基于高斯混合概率模型与EM结合的聚类算法进行分析处理，实现无人视频影像中大位移小运动目标的快速检测。4、结合卡尔曼滤波的基本原理，考虑道路信息对车辆运动位置、方向的约束限制，将约束条件引入卡尔曼滤波，提出道路约束条件下的卡尔曼滤波模型，结合基于灰度模板匹配的目标跟踪方法预测车辆状态信息，实现了道路信息约束下无人机序列影像中运动车辆目标的连续跟踪。