随着无人机技术的逐渐民用化,无人机航拍技术成为人们获取信息的主要手段之一。研究无人机视频中运动目标的检测和跟踪方法对无人机实时作业或者后期视频图像信息的处理具有重要的意义。然而,无人机由于其灵活多变的飞行方式,其航拍的视频中通常具有背景复杂、视角广阔、尺度多变、遮挡丢失等情况,都是图像检测和跟踪领域中的难点。本文主要对无人机视频中的运动目标检测和跟踪方法进行研究,主要内容包括视频图像去噪预处理、视频中运动目标检测以及视频中运动目标跟踪。本文的主要工作及贡献有:(1)针对无人机航拍视频在采集或者传输过程中可能引入噪声影响后续目标检测和跟踪的效果,对视频进行去噪预处理,提高检测的准确率。对经典的运动目标检测算法进行了介绍和实验对比分析,包括帧差法、背景差法、LK光流法,结果表明,LK光流法在镜头动移动的无人机视频中能充分提取目标的运动信息,便于后期的分离处理。(2)针对无人机视频中运动目标具有尺度变化、遮挡丢失等问题,提出了一种基于多尺度和目标丢失再跟踪改进的核相关滤波跟踪方法,提高了跟踪的准确性以及对目标丢失的鲁棒性。并且和原核相关滤波算法进行了实验对比,结果表明本文改进的跟踪方法具有更高的准确率,同时仍然保持较好的实时性。(3)为了检测和跟踪过程更加一体化,本文对LK光流法进行了后续的处理,包括特征点筛选、矩形聚类筛选、形心定位处理,作为检测模块,其输出结果可以作为跟踪算法的初始信息。同时,使用了计算量较小的线性核相关滤波算法,增加了尺度自适应功能,使用轨迹预测的方法对目标丢失后的可能范围进行预测,并在预测范围内使用检测模块重新检测目标位置,提高了重新跟踪到目标的成功率,整个部分作为跟踪模块。最后,对系统化的流程结果进行了实验分析,取得了较好的效果。