近年来,无人机凭借其灵活性高、实时性强、监测范围大的优势,被广泛应用于农林植保、电力巡检、交通巡查等行业。随着其应用场景的不断扩展,行业前景也越发广阔。城市安防也是无人机应用落地的重要领域之一,无论是春运、晚会等大型活动安保,还是管控防疫等日常巡查,无人机均能大大缓解治安管控压力。然而,现阶段无人机在行业应用中只起到视频采集的作用,对于图像内容的判断还需要依靠大量人力和时间。随着人工智能的飞速发展,计算机视觉算法可以对场景进行深层次理解,并进一步提供决策支持。在此背景下,无人机技术亟待与AI技术深度融合,拓宽无人机侦察的作用,赋予其一定的自治响应能力。无人机系统与现有的安防巡检业务相融合,能够实现远距离感知分析、警情预判、自主决策。基于此,本文的主要研究内容如下:（1）结合安防场景的实际情况,分析了无人机巡检系统的需求,调研行业内现有的无人机巡检应用方案,设计了一套依靠终端计算设备实现无人机自主飞行的方案。（2）研究设计了一套以无人机为主体的硬件平台系统,包括无人机飞行控制器、机载电脑和图像传输设备,研究了硬件性能参数与相关技术,并通过实验实现了编码控制无人机定点定距飞行的效果。（3）分析了前沿的目标检测、动作检测和目标跟踪算法,针对原始AI算法在移动终端设备上计算速度慢的问题,对动作识别算法的网络结构进行了改进,使之能流畅运行在无人机搭载的机载电脑上并检测实时画面。此外,将跟踪算法与无人机控制指令相结合,实现无人机跟踪目标飞行的功能。本文设计了一套安防场景下的无人机智能巡检系统,能够识别出城市街道中可疑目标并主动跟踪,实现的系统在不同配置的多套无人机设备上均能稳定运行。实验结果表明:在无人机终端与地面端控制主机建立直连链路,可以实现半径1000米的远程控制;动作检测算法经过抽帧训练之后在终端设备上检测的速度能达到10fps;整合后的检测算法准确度能够达到90%以上;无人机可以实现根据视觉算法的检测结果自动进行跟踪。本文的研究成果为无人机设备上部署视觉算法提供了一种参考方案。