本文采用计算机视觉和模式识别方法研究无人机平台的行人跟踪和场景理解问题,以行人跟踪方法的研究为主。无人机行人跟踪方法的研究对保障公共安全有重要意义,无人机平台的场景理解也有着广阔的发展前景。在行人跟踪方面,本文针对无人机这一运动平台提出了一种方法,用于解决多行人干扰情况下特定行人的跟踪问题。本文提出的方法包括行人检测、特征提取和目标匹配三个部分,其中行人检测部分使用经典的HOG+SVM方法,特征提取部分采用行人的分块颜色特征,在目标匹配部分,本文引入一个队列来存储目标行人的特征,用队列中的元素构成码本,使用LLC方法对每个需要判断的行人的特征进行稀疏重建,根据重建误差的大小判定是否为跟踪目标,同时对特征队列进行维护。在场景理解方面,本文将深度学习目标检测方法YOLO用于无人机平台,对其网络参数进行调整,训练了可以实时地检测并识别行人、汽车、建筑、树和门五类事物的模型。本文实验采用仅配有单目摄像头的无人机,且不使用任何GPS信息,无人机控制方面则使用经典的PID控制策略。在行人跟踪方面,本文在自行采集的数据和公共测试集上进行了大量实验,实验结果验证了本文提出的无人机行人跟踪方法的有效性。在场景理解方面,本文使用自行训练的深度模型在真实环境中进行了大量实验,且完成了让无人机自主寻找玻璃门并飞入室内的任务。