四旋翼飞行器由于体积小、可垂直起降,飞行隐蔽性好等诸多优点,受到了学术界的广泛关注,应用也愈加广泛。计算机视觉技术近年来蓬勃发展成为了当下最火热的研究方向之一,而目标检测与跟踪技术一直是计算机视觉领域的研究热点。基于视觉的四旋翼飞行器地面目标跟踪系统是以四旋翼无人机为平台,应用计算机视觉技术完成对地面任务目标的侦查、监视、跟踪和打击的多功能综合复杂系统,在军事和民用领域均有广泛应用。本文建立了四旋翼飞行器数学模型并设计了一种抗干扰、鲁棒性强的控制方法。研究了基于深度学习的目标检测算法、结合TLD框架改进了相关滤波跟踪算法,设计并搭建了实物平台验证所研究算法的有效性。论文的主要工作如下:首先,建立四旋翼飞行器的非线性数学模型。根据对四旋翼飞行器受力和力矩的分析,分别建立了平动方程和转动方程,推导出四旋翼飞行器的非线性数学模型并给出了仿真过程需用到的气动参数。然后,基于建立的四旋翼飞行器模型设计了反步控制器,详细阐述反步控制器推导过程,得出控制量表达式。针对反步控制器中未考虑干扰的缺点,加入干扰观测器估计干扰,在设计控制器时加以补偿,且证明了加入干扰观测器后的闭环控制系统稳定性。通过详尽的对比仿真实验,验证了所设计基于干扰观测器的反步控制器的有效性。其次,考虑目标检测任务,设计了一种基于YOLOv3和SVM的地面目标检测算法,阐述了当前基于深度学习的目标检测算法对于大数据集的依赖性,并说明本文算法的流程和设计思路。分模块详细阐释YOLOv3目标检测算法、HOG特征提取算法、SVM分类算法的原理。自行制作数据集,并通过大量实验验证了本文所设计的目标检测算法针对小数据集的有效性。接着,考虑目标跟踪任务,提出了一种基于TLD和fDSST的目标跟踪算法。简要叙述了TLD长时间跟踪算法框架,并分析其设计优缺点。同时阐述相关滤波类算法的优点并指出其不足。针对上述两类算法缺陷提出了基于TLD和fDSST的目标跟踪算法,发挥了两类算法优势的同时弥补了两类算法的不足,经过大量实验,验证了所提出算法的有效性。最后,搭建了四旋翼飞行器平台,详细介绍了其硬件架构、软件架构以及目标跟踪方案。基于自行搭建的四旋翼飞行器地面目标跟踪系统,进行了飞行试验,验证了整个平台与相关算法设计的合理性和有效性。