无人机目标跟踪是一个在军用和民用领域具有广泛实际应用意义的研究课题。本文针对基于视觉和深度信息融合的无人机目标跟踪问题,在系统建模、图像处理、目标识别、目标跟踪以及飞控设计等方面开展了研究工作。首先系统分析了基于视觉和深度信息融合的无人机目标跟踪问题,提出了目标跟踪控制任务框架与总体流程,确定了需要解决的关键子问题,并建立了无人机运动学和动力学模型、相机模型、运动目标模型以及无人机目标跟踪系统运动学模型。基于合理假设,对无人机的动力学模型进行了简化与线性化。其次针对目标识别问题,研究了基于SURF特征的检测算法。从目标物体尺度改变、角度发生旋转、光线明暗变化以及目标物体部分被遮挡四个方面验证其目标识别效果和实时性。针对被噪声污染的图像进行了滤波降噪处理,减小了噪声对识别物体效果的影响。随后针对图像域中的目标跟踪问题,研究了Camshift算法和KCF算法,并在如下两个方面优化了KCF算法:一是基于运动模型预测目标中心的位置修正搜索区域,改善了快速剧烈运动导致跟踪漂移和跟踪失败的问题;二是基于对目标遮挡的判断优化模板更新速率,使模板自适应更新,改善了因遮挡引起跟踪失败的问题。针对空间域中的目标跟踪问题,将图像域跟踪的结果与Realsense相机提供的深度信息融合,实现了对目标三维位置坐标的高精度估计。通过实验比较了两种算法在目标跟踪方面的有效性。然后基于位置式PID控制算法和四旋翼无人的动力学特性,设计了一个具有双闭环PID控制结构的无人机跟踪控制器,并建立了该控制系统的Matlab/Simulink仿真模型进行性能验证。仿真结果表明,所设计的控制系统具有较好的稳定性、准确性和快速性。最后构建了无人机目标跟踪系统实验平台,基于该平台完成了姿态控制实验和目标跟踪实验,结果表明:该系统能够实现较为理想的姿态控制和目标跟踪。