地面无人作战系统是一类具有探测、搜救、运输以及火力打击等功能的高度智能化武器平台。其中,视频作为系统感知周围环境的重要手段,利用视频信息在复杂环境中检测目标并实现鲁棒性的实时跟踪,是系统先进性和智能化的体现,具有重要的研究意义和工程应用价值。论文针对地面无人作战系统中运动目标的检测和鲁棒性跟踪展开研究,主要内容包括:首先,针对运动目标检测中背景运动问题,提出了基于改进ORB特征的背景补偿目标检测算法。通过计算Hessian矩阵并寻找尺度空间的极值点来提取特征点,然后使用优化旋转不变性后的BRIEF描述子计算特征向量,并结合背景补偿法和帧差法实现对运动目标的检测。实验结果表明,该算法可以准确的在动态背景下进行运动目标的检测。其次,针对无严重遮挡环境中面临的目标形状和尺度变化、光照变化与模型污染问题,提出了差异颜色特性的自适应互补学习目标跟踪算法。在HOG特征基础上融合具有良好形状与尺度不变性的CN特征,增强了特征表达能力,利用滤波器响应图和颜色直方图特征响应图构造自适应融合方法并通过融合后响应图实现高置信度模型更新。实验结果表明,该算法能够实现精确跟踪,具有良好的鲁棒性。然后,针对有严重遮挡环境中目标跟丢的问题,在上节提出的跟踪算法基础上增加重检测机制。通过SURF算子构建目标特征库来进行目标丢失度的评价,当目标丢失时,根据构建的SVM分类器进行目标重检测,重新定位目标并继续跟踪。实验结果表明,该算法可以应对严重遮挡环境中发生的目标跟丢情况,实现目标的长期鲁棒性跟踪。最后,将算法移植到基于Linux系统的JN-IGH57x嵌入式平台上进行实际场景下的效果测试。测试结果表明,论文中提出的方法可以在复杂场景下检测出运动目标并实现高鲁棒性的目标跟踪。