随着深度学习技术崛起,目标的识别和跟踪技术的准确率被大大提升,从而极大地带动了相关产业的发展,如智能无人车、无人机技术。而无人机因为其特有的灵活性和机动性,更是被广泛应用于军事、商业、监控等各个领域。然而,目前想利用无人机进行目标识别和跟踪并得到较高的精度,存在着一定的困难。在目标的识别和跟踪任务中,就存在着众多的难题。例如,一般的检测网络进行一次检测的耗时较长,无法做到实时检测,而且网络在运行时需要利用GPU,不便于在无人机平台上实现。同时,在跟踪任务中,由于目标存在着外形、光照变化、旋转扭曲、遮挡等方面的因素,长时间保持对目标的稳定跟踪,具有极大的困难。因此,针对目前大量存在于各种场景中识别与跟踪任务需求与难点,利用无人机上有限的计算资源,本论文设计了一套基于无人机的地面目标识别与跟踪系统,完成对图像中目标的识别与跟踪。主要工作如下:首先,论文借鉴目前运行速度较快的检测网络框架,设计目标检测网络的结构,在不同的尺度和长宽比的锚框下,进行目标检测。同时,为了提高网络的检测精度,完成了对网络参数的进一步调试。然后,完成了对传统跟踪及基于相关滤波的跟踪算法的研究,并对相关滤波跟踪算法的目标建模方式进行改进,并与原算法进行对比测试,结果表明该方法提高了跟踪算法的精度。在此基础上,依据目标检测和跟踪的结果,设计了目标位置信息融合算法,并对该算法的合理性进行了测试。最后,完成对整个系统的软件架构设计与测试。在ROS系统中实现了整个系统,并在多个测试集上进行测试。结果表明,本系统能够在无人机所搭载的嵌入式系统上实时运行,稳定性良好,目标定位精度较高,具有良好的使用价值。