目标识别与跟踪在视频监控、交通导航、观测侦查等领域得到越来越广泛的应用,同时,灵活性强、成本低、信息获取的时效性强等特点也逐渐成为无人机的显著优势。本文将无人机对地观测作为应用背景,采用并改进目标识别与追踪算法,对单运动目标的颜色与纹理等特征进行检测与提取,并结合其运动状态进行分析、计算,实时反馈目标图像的跟踪中心在视频中的坐标位置,从而实现无人机对地面目标的追踪。首先,对于目标检测,将摄像机所拍摄到的视频进行图像预处理,再通过颜色空间的转换提取像素明度信息,在此基础上采用帧间差分和金字塔光流相结合,以及特征点光流聚类两种目标检测方法进行目标的识别,并根据仿真实验结果从实时性、准确性、适用条件等方面进行分析比较,选择、确定基于帧间差分和金字塔光流的运动目标检测为较优方案。其次,对于目标的运动跟踪,根据跟踪窗口中像素的色调概率分布模态进行窗口质心位置的迭代计算,从而实现对目标跟踪的功能,在此基础上,针对窗口中背景像素的干扰影响,提出并设计一种适应性改进算法,通过对于窗口内像素运动矢量的分析统计,进行窗口位置的校正。采用卡尔曼滤波进行辅助跟踪,实现对目标位置的预测。然后,为了改善跟踪算法中颜色特征的局限性,分析并采用纹理作为目标特征的补充,利用局部纹理与色度的联合概率统计信息进行迭代计算,从而进一步提升跟踪的准确性。通过仿真实验,对该方法效果进行验证。最后,利用无人机实际系统测试,搭建背景干扰、目标遮挡以及光照变化三类相对复杂的测试环境,对本文中的识别跟踪方法进行测试,实验验证本文所研究方法的有效性和优越性。