无人机航拍影像凭借其高空俯视的特性,在许多方面有着不可忽视的优势。并且随着无人机航拍影像可用性的增强,以航拍影像为研究内容的计算机视觉研究有着重大的意义和广阔的前景。无人机可以采集广阔区域的高空航拍图像,从而得到区域整体的布局和结构,通常比常规视角图像包含更具结构化的信息,也更具时效性。无人机飞行过程中,有广阔而且稳定的视角,可以覆盖大片区域。对目标进行跟踪时,只需微调飞行方向和速度,相比于正常视角,对拍摄设备的机动性没有过多的要求,具有极大的便利。因此无人机视角下的区域情况分析和目标跟踪具有巨大优势。本文中,首先研究了无人机视角下地面图像的语义分割问题。针对无人机俯拍视角下的部分建筑、道路、植被纹理上相似度较高导致的语义分割精度不高的问题,在使用deeplabv2框架的前提下,提出了类间差异损失函数,用以增大模型判定时各类别的差异,模型的精度得到了提升。在此基础上又联合了Lovasz-softmax损失函数,精度得到了进一步的提升。随后研究了无人机视角下的目标跟踪问题。针对无人机目标跟踪任务中目标丢失再重现情况下的重跟踪问题,提出了基于运动向量的“局部-全局”搜索策略,在提高了速度的同时,提高了跟踪精度。最后,考虑到无人机视角下道路状况的稳定性和车辆目标的长时性,针对无人机影像中目标跟踪出现的目标漂移至不合理位置的问题,提出了联合语义分割的车辆目标跟踪研究方法,提高了车辆跟踪的精确度和主观感受。