无人机视觉目标检测与跟踪由于跟踪实时性要求较高,且目标容易受到外部环境如遮挡、光照变化等干扰,加上目标自身存在运动模糊、旋转等情况,实现良好的无人机视觉目标检测与跟踪依然困难。本文围绕复杂场景下的无人机视觉目标检测与跟踪问题展开研究。针对无人机航拍图像目标较小,且易受背景和光照干扰等问题,提出了一种视觉注意结合双权重Adaboost的目标检测方法。首先基于ITTI视觉注意机制模型提取了亮度、方向、区域对比度和空间位置特征,将图像底层信息更好地表达了出来。其次提出了双权重Adaboost分类方法得到特征的最优权值,提高了特征提取和融合的效果。然后采用显著密度最大化的滑动子窗口搜索法实现了目标检测。最后,通过实验表明所提算法在复杂背景下具有较好的检测精度。针对复杂场景下无人机视频图像单目标跟踪问题,提出了一种基于预判式学习更新策略孪生全卷积网络的目标跟踪算法。首先采用颜色直方图密度估计方法对目标模板和搜索区域进行置信度估计。其次提出了一种预判式学习更新策略,包括使用预判式学习损失函数和自重启随机梯度下降算法,实现了目标与背景信息的有效区分;采用一种卷积层滤波器的预判式更新方法,保证了跟踪的鲁棒性。最后,通过实验表明所提算法在复杂场景下具有良好的跟踪精度和成功率,能够对目标进行实时、准确和稳定地跟踪,可满足无人机对目标跟踪算法的要求。针对无人机视频图像快速运动多小目标检测跟踪问题,提出了一种面向无人机的改进YOLO与SIFT的多小目标检测跟踪方法。首先对YOLO网络进行剪枝,使得无人机能够部署模型更小的目标检测网络。其次提出了自适应阈值和最小距离约束机制的SIFT特征点提取方法,实现了对小目标的有效检测。然后建立了目标运动模型,根据目标位置和尺度信息实现数据关联。最后将优化的SIFT特征点用于KLT跟踪算法,实现了无人机对快速运动多小目标的有效跟踪。实验结果表明,该算法可以实现较为准确的鲁棒性跟踪且各项指标良好,满足了无人机对多小目标的跟踪任务需求。设计了无人机航拍的目标检测跟踪仿真系统。首先给出了旋翼无人机航拍系统的结构及工作流程,然后介绍了仿真系统所需的硬件设备和系统界面的设计方法,最后采用本文的目标检测跟踪算法,以无人机对地面目标的检测跟踪为应用背景完成了仿真系统的设计。实验结果表明,本系统对于实际无人机航拍视频能够实现较为稳定准确的目标检测跟踪。