近年来,军用无人机技术的研究与发展一直保持着很高的热度,无人机凭借体积小、速度快、应用场景丰富等优势,受到各国军事国防的广泛关注。而目前机器视觉技术也处于迅猛发展阶段,跟踪算法不断推陈出新。将这些算法合理地融入无人机研究中,对无人机技术的发展有着重大意义。考虑到无人机对地面目标进行跟踪的时候,常常会发生云层遮挡目标的情况,论文基于TLD目标跟踪框架,对随机云遮挡条件下地面目标的长时间跟踪问题展开了深入的研究,主要工作如下:概述了目前目标跟踪算法的研究进展,详细阐述了TLD算法的原理和基本流程,分析了TLD跟踪算法与传统跟踪算法的优劣。针对于云遮挡情况初期,跟踪算法出现的跟踪漂移现象,提出一种基于FAST特征点增强的TLD跟踪算法。实验结果表明改进后的算法,有效克服了目标跟踪漂移的问题,且跟踪模块稳定性和实时性都有所提高。针对云层遮挡时目标跟踪算法无法对目标位置进行有效的预估输出,以及检测模块运行耗时巨大导致算法实时性不高的缺陷,提出了融合卡尔曼滤波器的改进TLD算法。实验结果表明,改进后的算法在目标被云层全部遮挡后,依然可以稳定对目标状态进行预估,并利用卡尔曼滤波器对算法中检测模块进行优化,大大提高跟踪算法的实时性。论文针对实际应用需求,通过对TLD算法的改进,使得在随机云层遮挡场景下,改进的TLD算法有了更好的适应性,同时算法整体稳定性和实时性也得到很好的提升。