装备于机载平台上对地观测的多目标跟踪系统具备机动性强、跟踪监控效果好、适应性高等优点,在军用及民用领域中均具有广泛的应用前景。空对地观测时目标距离机载平台较远,目标在图像传感器上所成像素有限,表现出弱小目标的特征。目标局部可能出现被遮挡等情况,进一步加大了目标检测及跟踪的难度。本文依托于航空科学基金项目,针对机载平台空对地观测弱小目标检测与多目标跟踪技术需求,研究了空对地观测弱小目标的检测与跟踪技术,达到对弱小目标准确识别与实时跟踪,使所研发的技术在复杂大地背景下对弱小目标的跟踪具有良好的鲁棒性。本文的研究工作主要包括:1)空对地弱小目标检测网络训练数据库构建。由于空对地观测目标在图像中像素有限以及背景复杂性与特殊性,利用普通的公共数据集并不能有效验证算法对空对地观测环境下的目标进行跟踪的性能优劣,利用目标及背景建模的方法构建了12000张以上空对地观测的弱小目标数据集,用于检测模型训练。制作多目标跟踪数据集,为多目标跟踪算法验证提供有效支撑。2)研究一种弱小多目标检测网络技术。针对目标检测算法,选用YOLOv5m网络模型为研究对象,通过增加小目标检测层,提高对弱小目标的检测能力;在原始的特征融合网络FPN（Feature Pyramid Network）+PAN（Pyramid Attention Network）结构的结合下,使用四个降采样特征图作为该网络的输入,减小下采样后特征图的感受野;在后处理端选用DIo U-NMS代替传统非极大值抑制NMS,选用DIo U＿Loss代替YOLOV5m的GIo U＿Loss,加快边界框回归速率,提高定位精度,以提升弱小目标的检测能力。并通过实验对比分析了改进算法的精度和适应性。3)研究一种弱小多目标跟踪算法。针对多目标跟踪算法,利用主流的多目标跟踪算法Deep Sort框架,增加目标遮挡问题的长时遮挡匹配方法,使得目标得以长时间跟踪,延长跟踪算法的预测保留结果时间,提高关联准确度,大大降低目标ID转换率,使用Fast Re ID重识别网络替换Deep Sort原来的Re ID网络,对空对地观测下的弱小目标检测跟踪进行高度的模型优化和配置。并在公共数据集和大地背景空对地观测弱小目标数据集中分析了跟踪算法的精度与稳定性。