近年来,无人机的快速发展对公共安全、个人隐私和军事安全等方面产生了严重的威胁,无人机造成的危险事故在迅速增长。因而,快速而可靠地发现无人机变得越来越重要。在现有的无人机检测技术中,基于视觉的方法成本低且易实施。因此,研究基于视觉的无人机检测技术对于预防无人机的威胁具有重要意义。但是,该任务同样面临诸多的挑战,例如背景复杂、目标小、飞行速度快等。针对这些因素导致的检测准确率不高的问题,本课题主要研究动态场景下无人机小目标检测技术,具体包括以下两个方面工作:第一,本文首先提出了一种基于视频运动信息的无人机小目标检测的方法。该方法主要研究动态场景下利用无人机在视频中的运动信息进行无人机检测的问题。首先,针对摄像机运动会对挖掘无人机运动信息造成困难的问题,本文采用一种基于特征匹配的视频稳像方法来消除摄像机的运动。然后,利用矩阵低秩分析的方法检测得到无人机候选目标。最后,利用卷积神经网络(CNN)提取候选目标的特征并输入支持向量机(SVM),进一步分类得到真正的无人机目标。大量实验表明,相比现有目标检测方法,本文提出的算法有更高的准确率。同时,该方法也存在一些不足。比如,视频稳像算法无法完全消除摄像机运动,SVM可能会将很小的目标判断为虚假目标。此外,该方法的时间开销过大,无法满足实时性要求。第二,针对第一个工作的不足,本文提出一种基于单帧图像的无人机小目标检测方法。受区域卷积神经网络(R-CNN)在目标检测中成功应用的启发,本文设计了一种特征融合网络,并将其融入Faster R-CNN网络框架。不同于Faster R-CNN只利用了最后一层特征,本文提出的特征融合网络融合了各网络层抽取的特征。融合特征同时具有低层和高层特征的优势,因而能较好地检测多尺度目标。为了滤除虚假的无人机目标,最后利用最近邻距离匹配的方法对无人机进行跟踪。实验表明,本文方法与第一个工作的方法以及Faster R-CNN、SSD等最新对比方法相比,能有效地提高无人机目标检测准确率并且时间开销较小。