本文采用模式识别和计算机视觉方法研究基于无人机平台的场景感知与目标跟踪。无人机场景感知的任务是检测和识别无人机摄像头获取的图像中的重要目标,并对这些目标进行精确的定位。对于感兴趣的目标,控制无人机主动感知并靠近目标,进行稳定的跟踪。这对于安防和日常生活都有着重要的意义。针对不同的场景和任务,本文使用不同的方法来进行场景目标的感知。对于常见的室内外场景,本文基于YOLOV3(You Only Look Once)训练了深度学习模型来检测和识别常见的二十类场景目标,包括了人,动物,交通工具和一些室内外物品。对于具有重要意义的感知目标,例如行人和人脸等,本文比较了不同的方法对于行人的感知效果,并使用MTCNN(Multi-task Cascaded Convolutional Neural Networks)进行人脸检测和关键点定位。对于一些特殊的任务要求,本文在虚拟场景中利用图像的处理方法来进行有效的感知。在特殊目标的主动感知及跟踪方面,本文选取行人作为跟踪对象,目标行人的人脸作为主动感知的目标。针对无人机这一运动平台,本文设计了一种解决多行人干扰情况下特定行人跟踪问题的方法,主要包括特征提取和双队列目标匹配两个模块。在平稳跟踪目标行人的情况下,本文根据人脸关键点设计了正脸评判准则,并根据该准则控制无人机主动感知和靠近目标行人的正脸。最后,本文针对无人机的避障问题进行了拓展,提出了基于特征点法的单目无人机避障方法。实验中使用仅具备前置单目摄像头的小型无人机,不使用GPS信息,仅利用视觉信息设计PID控制算法控制无人机进行感知及跟踪任务。本文在数据集及室外场景中进行了大量实验,验证了无人机在实际场景中感知和目标跟踪的能力。在特征点法避障方面,也进行了充分的实验,基本完成了穿越树林的任务。