随着无人机技术的迅速发展,人们在无人机应用领域的研究不断深入,无人机的功能也是越来越丰富。其中,无人机机载GPS、惯导、雷达以及机器视觉等感知设备发挥了关键作用,它们不仅为无人机自身的飞行控制提供了保障,同时也为无人机执行目标监测、追踪和远距离测量等任务提供了重要手段。基于机载视觉的地面目标识别与跟踪是无人机应用当中的重要功能之一,可用于军事侦察、城市监控、智能交通等多个领域。视觉传感器可以从外界获取更加丰富的信息,并且受温度、磁场等影响小、抗干扰能力强,能够准确地反映目标的位置和运动状态。本文在四旋翼无人机平台上构建了机载视觉系统,并研究了基于机器视觉的地面目标识别与跟踪算法,实现了在复杂背景下对地面目标的识别与跟踪。本文以道路运动车辆作为地面目标,对目标的颜色、形状等主要特征进行了分析,设计了机载视觉系统硬件结构及图像信息处理方式,制定了地面目标识别与跟踪技术研究的总体方案。针对地面目标识别问题,本文采用全局特征与局部特征相结合的方法来完成目标识别过程。首先根据颜色特征和边缘特征初步确定地面目标的疑似区域,然后再利用SURF特征对目标进行精确定位。该方法有效降低了背景中相同颜色或形状物体对目标识别的干扰,提高了算法的准确性和鲁棒性。在对识别出的既定目标进行跟踪时,为了解决背景中多运动目标干扰、目标被遮挡等难点问题,本文提出将Kalman滤波算法与多特征融合的CamShift跟踪算法进行二次融合。该方法将颜色直方图特征和边缘方向直方图特征的反向投影图进行加权融合,来改进传统的CamShift跟踪算法,并结合Kalman滤波器对目标实际状态进行估计预测,实现了对地面目标的跟踪。最后,进行了复杂背景条件下地面目标识别试验、相似色背景下地面目标跟踪试验和遮挡情况下地面目标跟踪试验。试验数据显示识别正确率在95%左右,平均每次识别时间283ms,平均每帧的跟踪时间为159ms。试验结果表明本文提出的目标识别与跟踪算法能够快速准确地实现复杂场景下地面目标的识别与跟踪,既解决了无人机地面目标追踪问题,同时也为其它形式的高空视频监控提供了借鉴。