计算机视觉始终是一项热门研究领域,其中视频目标跟踪又是非常重要的研究方向之一,无论是在军事领域还是民用领域都拥有很高的研究意义和广泛的应用场景,例如:成像制导、智能视频监控、智能交通、智能医疗、人机交互等。因此,视频目标跟踪吸引越来越多的学者对其进行研究,产生很多优秀算法,其中,基于CamShift的目标跟踪算法是一种连续自适应均值漂移算法,是基于颜色直方图特征的跟踪算法,该算法与MeanShift算法相比,能良好解决跟踪过程中物体大小的变化问题,因此成为视频目标跟踪的研究热点,同时,随着无人机技术的成熟,无人机目标跟踪也得到了广泛应用。所以,本文对利用无人机在祁连山自然保护工作中的应用展开研究,由于高空拍摄以及山地地形的特殊性,因此,设计一个鲁棒性较高的跟踪算法就显得尤为重要。单纯利用CamShift算法进行跟踪会遇到三个严重问题无法解决,一是由于该算法单纯考虑颜色直方图,但无人机在对目标拍摄时会发生光照变化等问题,这将严重影响跟踪效果;二是由于无人机与被跟踪目标之间形成一种相对运动,跟踪角度始终在发生改变,这将影响跟踪精确度;三是由于航拍为俯视角度,目标易被遮挡,这也将导致目标跟踪效果不佳。为了选择一个良好适应无人机跟踪情况的目标跟踪算法,提高跟踪精度,本文提出有效的解决方案,主要有以下研究内容:(1)针对无人机在对目标进行跟踪时,镜头以及目标都易受光照影响,因此使用对光照变化不敏感的HLBP(Haar local binary pattern,HLBP)特征作为目标匹配的特征,当镜头逆光或目标进入阴影区域时,利用HLBP特征提高跟踪鲁棒性。实验数据表明,引入HLBP特征可以很好解决光照变化对跟踪造成的影响,提高算法跟踪精度。针对无人机航拍时无法保持始终从一个角度对目标进行跟踪,即目标发生旋转角度变化这一问题,本文将利用HLBP的旋转不变性提高跟踪精度。实验数据表明,引入HLBP特征可以很好的解决目标发生旋转的问题,同时,针对HLBP提取过程中阈值固定的问题,本文提出了HLBP阈值自适应办法,来针对不同情况进行阈值自适应跟踪。(2)针对无人机对目标跟踪时,由于地形复杂,目标易发生遮挡,从而导致跟踪失败的问题,本文引入kalman滤波算法对目标进行位置预测,并通过巴氏距离进行遮挡判断。实验结果表明,引入kalman预测算法可以很好的提高算法的抗遮挡能力。(3)将改进后的算法应用在无人机对祁连山保护区拍摄的视频当中,通过真实场景对算法进行检验。