基于视觉的空对地多目标跟踪技术在对地目标精确打击、海面舰艇跟踪与监控、地面交通监控与管理、海面搜救和灾害救援指挥等很多军民用领域具有重要的应用价值和广泛的技术需求。相比于固定场景监控应用中的视觉目标跟踪,空对地视觉目标跟踪过程中,机载相机获取的图像序列中感兴趣的机动目标尺寸较小,而且会发生显著变化,加上大量的背景噪声干扰,给目标检测和跟踪带来很大困难。此外,由于地面场景的复杂,将会频繁发生目标遮挡情况,严重影响跟踪的持续性和鲁棒性。针对上述问题,本文首先对现有的一些目标特征提取方法、目标检测方法和目标跟踪方法进行了研究和总结,并详细说明了其算法原理。在此基础上对空对地视觉多目标跟踪技术进行了重点研究,提出了几种空对地视觉多目标跟踪方法:1)空对地视觉目标持续鲁棒跟踪方法。该方法以粒子滤波为基本框架,首先提取目标的高斯核加权均值哈希特征和颜色特征,并基于两种特征观测下粒子概率分布的熵对两种特征进行自适应加权融合,构建跟踪系统的观测模型;然后根据跟踪结果与当前目标模型的ORB(Oriented FAST and Rotated BRIEF)特征匹配度对目标模型进行自适应更新;当目标丢失时,通过粒子重分布对目标进行全局重新搜索,在目标重新出现后可以继续对其进行跟踪,提高了跟踪的持续性和鲁棒性。2)空对地多目标自主检测与跟踪方法。该方法首先通过目标特征选择和融合提取可以充分描述目标的特征,并采用级联分类算法对特征进行分类,得到目标的强分类器,对目标进行自主探测搜索。然后,对探测回波采用基于Hungarian算法的全局最优关联算法进行关联滤波,实现对多个机动目标的同时跟踪与识别,其中最优关联代价矩阵融合了距离和方向信息,提高了关联和跟踪的鲁棒性。3)多机协同视觉目标跟踪方法。该方法基于跟踪置信度对每台无人机的跟踪结果进行了加权融合,在很大程度上减小了跟踪误差,提高了整体跟踪精度,并且可以很好地解决目标遮挡问题,克服了单台无人机进行目标跟踪的局限性,在很大程度上提高了跟踪的性能。在复杂条件下的空对地航拍图像序列上进行充分实验,结果表明:1)空对地视觉目标持续鲁棒跟踪方法对跟踪过程中目标的快速显著变化具有较好的适应性,当目标丢失并再次出现后仍可以继续对其进行跟踪,实现了长时间持续鲁棒的跟踪。此外,该方法的平均跟踪帧率为15fps,可以在一定应用场景中满足实时性要求。2)空对地多目标自主检测与跟踪方法可以准确检测出多个感兴趣的机动目标,并同时对每个被探测到的目标进行跟踪。3)多机协同视觉目标跟踪方法可以准确地对目标遮挡情况进行判断,并且可以对每台无人机的跟踪结果进行有效融合,实现了对地面目标的持续鲁棒跟踪,同时具有较高的跟踪定位精度。