由于小型无人机具有轻巧灵活、飞行速度慢、可操作性强及不易探测等特性,传统的空中威胁探测系统无法很好地适用于小型无人机对象的探测。而红外探测技术具备抗干扰能力强、隐蔽性好和适应天候能力强等优点,其价格和维护成本相对低廉,特别适合于低空空域动态无人机目标的探测。论文将红外探测技术应用到反无人机系统中,针对局部低空防务需求,基于空中无人机的红外特征对目标检测与跟踪技术展开研究,并在工程硬件平台上加以验证。由于研究对象存在特殊性,针对无人机红外成像样本数据集匮乏的问题,以小型四旋翼无人机为主要研究对象,分析了红外热像仪的探测方式及成像原理,结合理论计算与实测图像数据研究了无人机目标、背景和噪声的成像特性及统计特征,并对适用于低空空域的红外视觉检测与跟踪系统的技术方案进行了设计。由于图像中存在的背景杂波及噪声干扰影响后续检测跟踪算法的性能,针对红外图像背景杂波的估计和抑制问题展开研究,提出了一种基于改进滤波器和图像多尺度的复杂背景抑制算法方案,优化了滤波器的处理速度,并引入图像多尺度变换思想,平滑图像背景的同时提高了图像的分辨率。实验结果表明该算法方案对于多种复杂的背景情况具有良好的适应性且时间复杂度较低,能够满足工程应用的实时性需求。为了解决动态背景下运动目标检测不具备光照适应性且结果不够准确的问题,研究了基于模型分类双判据及自适应更新策略的ViBe检测算法。针对图像像素变化的不确定性,采用ViBe算法进行前景目标提取,将局部二值相似性特征引入背景模型分类判据,提高了光照条件下的前景检测率及算法稳定性;为了对检测过程中出现的残影和虚警目标进行快速消除,对根据目标质心运动速度自适应调整背景更新概率进行了研究。优化后的算法有效提升了光照变化下的鲁棒性,具有实时性强、精确度高的优势。针对检测结果不完整和目标能量削弱导致跟踪窗口设置不准确的问题,提出了基于区域生长规则的自适应波门快速跟踪算法,确保了常规场景下的可行性。此外将应用场景具体化,针对目标与背景物遮挡和重叠造成跟踪失败的问题,引入Kalman滤波和ANN联合预测算法,对目标进行预测跟踪,有效避免了跟踪过程中的目标丢失,算法整体兼顾了处理效率及准确度。论文对算法验证平台进行了研究,以ODROID XU4为系统架构基础,整合了所研究的算法,搭建了算法运行环境,并在实际场景下进行了实验验证。结果表明论文研究的方案及算法符合无人机目标探测跟踪系统的准确性及实时性要求。