近年来,基于微型无人机航拍视频的序列图像人体目标跟踪技术在军用和民用领域都得到了快速发展和广泛应用,如防爆防恐、在公共场合中的视频监控以及抗灾救援等。实现智能化或是半智能化的人体目标跟踪系统,可以大大减少工作人员的工作时间和工作强度。基于图像的微型无人机人体目标跟踪系统悬挂在微型无人机上,从空中对地面目标实施监视与跟踪,从而获得目标在图像中的位置信息。该场景下的目标跟踪具有以下特点:视频图像模糊,而且含有大量的噪声;目标在图像中所占区域较小,故信息量少;图像中存在着全局背景运动和目标独立运动,同时场景随时可能发生变化。因此,视频目标跟踪技术的关键问题是:如何选择合适的特征对目标进行准确描述以及如何选择高效的搜索和匹配算法来确保跟踪的实时性和准确性。为了适应航拍场景下地面移动目标的跟踪,本文深入研究了现有的目标跟踪算法,其中,重点研究分析了Mean Shift算法。最后,通过实验验证了该算法具有实时性好,鲁棒性高等特点。但是该算法仅使用单一特征描述目标,难以适应复杂多变的航拍场景。为此,本文提出了一种基于颜色和边缘特征相结合的Mean Shift目标跟踪算法。该方法首先使用核直方图概率模型描述目标,通过Bhattacharyya系数的加权融合来评估每个特征在跟踪场景中的可靠性,并依据自适应变化的权值给出一种选择性模板更新方法,克服目标跟踪过程中产生的模板漂移问题。最后,本文设计了一个适合航拍场景下的目标跟踪系统。该系统首先通过高斯滤波预处理去除高空拍摄产生的图像噪声;然后,使用手动检测目标;最后,利用本文所提出的算法进行目标跟踪。实验结果验证了在摄像机运动情况下,本文设计的跟踪系统对目标平移旋转等几何变化,环境中均匀光照变化以及目标局部遮挡等都具有较好的实时性、准确性和鲁棒性。