随着卫星遥感技术迅猛发展,空间对地观测技术已成为国家综合实力的重要体现。视频卫星的出现将对地观测数据时间分辨率提升至秒级,更适于监测目标区域的动态变化,应用需求也从传统定期静态普查转向对重点区域运动目标实时监测方向发展。卫星视频具有幅宽大、环境复杂,运动目标较小、特征匮乏、与背景区分度低等特点,与传统监控视频提取运动目标相比具有新的挑战。复杂背景引起的伪运动对小尺寸运动目标的检测带来干扰,同时复杂环境下目标易被遮挡,跟踪模型错误更新而跟踪失败,经典算法难以直接应用有效应对;传统的卫星遥感应用模式各环节响应耗时较多,为满足强时效性应用需求,亟需实现星上实时处理,经典算法在计算资源不足的条件下难以实时处理。因此,在星上计算资源有限的约束下,如何在轨准确、实时、智能检测典型运动目标并持续跟踪,提取连续动态信息,对卫星视频智能应用具有重要意义。本文的主要贡献如下:1.卫星视频运动目标智能检测。针对卫星视频中目标小而环境背景噪声高,存在较多背景伪运动误检的问题,提出了融合运动目标检测与深度学习图像目标检测两种优势的基于自适应背景模型与CNN的运动目标智能检测算法。首先使用改进的基于分类反馈的自适应局部更新背景模型检测运动前景,生成运动候选区域;然后设计一种改进的面向运动候选区域的图像分类CNN进行检测,准确地识别各类目标与背景噪声;最后将分类结果反馈至背景模型中,设计自适应的局部更新机制,面向不同区域使用不同的学习率,从而将误检背景迅速地更新至模型中。实验结果表明,运动目标检测结果F值可达84%,准确性明显提升。2.卫星视频运动目标智能跟踪。针对卫星视频中目标小特征匮乏且背景环境复杂,目标易被完全遮挡导致跟踪模型错误更新而跟踪失败的问题,为增强跟踪算法的鲁棒性和准确性,提出了一种基于相关滤波与重检测机制的智能跟踪算法。在核相关滤波短程跟踪器的基础上,添加遮挡丢失判断机制,跟踪异常时停止错误更新模型并激活重检测机制,为在目标重现后准确寻回,对运动目标实现高维特征表达并加以时空约束来优化重检测结果,设计一种多特征融合与时空约束的重检测机制,实现长程跟踪。实验结果表明,跟踪算法可以应对复杂的遮挡场景,跟踪精度明显优于现有算法,表现出良好性能。3.视频卫星在轨实时智能检测跟踪运动目标处理系统。针对运动目标检测算法通常计算量较大,在星载处理平台的计算能力约束下难以实时的问题,使用检测与跟踪相结合的策略,以短程跟踪来代替逐帧检测,并关联跟踪轨迹片段,在不降低结果准确度的前提下减少计算量,提升算法在轨运行效率。使用卫星视频在嵌入式半物理仿真平台上进行实验,结果表明,运动目标提取F值可达83%,运行速度达到20fps,可以在轨实时高准确率地提取运动目标,具有良好的性能。