上个世纪80年代以来,随着计算机技术和传感技术的迅速发展,无人机飞行器的研究工作也开始在多个国家的研究机构取得了很多成果。搭载视觉传感设备的无人机飞行器不仅能够实现航拍等功能,还能够实现对特定目标的检测和跟踪。无人机对移动目标的跟踪具有重要的理论研究意义和广泛的应用前景。理解无人机的控制原理及对视觉信息的处理是实现对特定目标检测和目标跟踪的基础。如何对视觉信息进行处理从而达到跟踪的鲁棒性是目前研究的热点。本文以四旋翼无人机飞行器为平台,针对传统计算机视觉跟踪中容易丢失目标,且当跟踪环境的背景颜色与跟踪目标颜色相近时容易跟踪失败的问题进行了分析。首先搭建了对采用的四旋翼无人机平台的控制原理和四旋翼飞行器上使用的坐标变换矩阵进行了分析,在此基础上设计了跟踪系统的跟踪流程。其次,针对搭载视觉传感设备的四旋翼无人机采集到的视觉图像易受到光照变化和噪声的影响,分析基本的图像处理方法。在此基础上对目前经常使用帧间差分法、光流法、背景差分法目标检测方法进行了实验和分析。针对上述检测方法的使用条件和劣势,本文提出了一种结合Opencv的视觉信息检测方法,将采集得到的RGB图像经过颜色空间转换成对光照变化影响不大的HSV图像,并进行图像的噪声去除和进行数学形态学滤波,该方法能够有效地检测出移动目标的轮廓。然后分析目前常用的Meanshfit、Camshfit、卡尔曼跟踪方法的基本原理,针对Camshfit在跟踪过程中受光照变化影响较大和卡尔曼滤波难以适用于非线性系统的特点,本文提出了一种通过opencv对视频图像中的跟踪目标的图像去噪,并进行轮廓检测寻找图像中的最大的轮廓后,并结合交互卡尔曼滤波对移动目标位置进行预测,进而计算四旋翼飞行器的飞行朝向实现四旋翼飞行器对视频区域里移动目标的跟踪。最后运用AR.drone四旋翼并结合Opencv建立了跟踪的系统平台,借助Visual Studio 2013软件,对移动目标的检测和跟踪进行了实验,实验表明,该方法有效的实现了对移动目标跟踪的准确性、稳定性和快速性。