旋翼飞行机器人具有体积小、飞行灵活性高的特点,相较其它类别的机器人具有更加广泛的应用前景。本文针对当前旋翼飞行机器人视觉感知能力上的不足,结合计算机视觉中的目标跟踪技术,研究基于旋翼飞行机器人的行人跟踪方法。全文的主要工作内容可概括为以下几点:1.提出一种基于自适应空间正则化的行人跟踪算法。针对相关滤波类跟踪方法中存在的边界效应问题,在经典的滤波模型中引入自适应空间正则化项,建立正则权重在相邻帧之间的关联,从而自适应调整当前帧的模型正则化权重,有效缓解了边界效应的影响。算法在尺度估计的过程中使用自适应宽高比的尺度估计策略,提高了复杂场景下尺度估计的准确性。采用基于颜色直方图相似度判别的模型更新策略,抑制模型漂移并加快跟踪速度。通过在多个数据集上的实验评估,验证了该算法具有良好的跟踪性能,在跟踪精确度和成功率上均优于对比的其他算法,在复杂的任务场景下具有较强的鲁棒性。2.提出一种具有动态搜索区和模板更新的行人跟踪算法DuSiamRPN。该算法针对旋翼飞行机器人高空视角的特点设计了一种动态搜索区选择策略来动态调整跟踪时的搜索区大小,并利用带有内部裁剪残差模块的网络结构,消除深度网络中填充操作的影响。此外,该算法中设计了一种模板更新网络,帮助算法适应目标的各种外观变化。在多个数据集上的对比实验表明,该算法具有较好的精确性和鲁棒性,对遮挡等多种干扰具有良好的抵抗力,在小目标和长时跟踪场景下也能保持较高的跟踪性能。3.针对实际的行人跟踪任务,设计了一套完整的旋翼飞行机器人行人跟踪系统,包括硬件结构和软件流程设计。在此基础上,采用YOLOv5作为初始时的行人检测算法,分别搭载本文设计的两种算法进行行人跟踪任务。通过实验结果分析两种算法各自的性能特点,验证了本文提出的旋翼飞行机器人行人跟踪方法的有效性。