视觉目标跟踪是计算机视觉研究中的一项重要任务,在机器人服务、人体运动分析和自动驾驶等领域中有着广泛的应用。随着高性能计算机的发展及无人机技术在军事和民用领域的巨大应用前景,目标跟踪算法和无人机技术的结合已成为一个研究热点。近年来,尽管目标跟踪领域取得了很大进展,但建立跟踪整体性能好,能够较好地处理背景复杂、光照变化、遮挡等情况的目标跟踪算法,仍是一个具有挑战性的问题。基于上述分析,本文针对复杂无人机场景下的目标跟踪算法进行研究,在保证算法准确性和鲁棒性的前提下,提高算法的实时性。针对传统压缩跟踪算法对光照变化敏感、在目标被遮挡情况下跟踪性能差的问题,提出了一种预测的自适应压缩跟踪算法。该算法首先引入位置预测机制对目标位置进行预测,并对预测位置周围的搜索区域进行相位一致性变换;然后根据两帧目标跟踪窗口的相似度自适应地更新分类器;最后以更新后的分类器来确定下一帧中的目标位置。本文借助权威公共数据集OTB和无人机公共数据集UAV123对所提算法进行验证。实验结果表明,该算法能够很好地适应无人机场景下的光照变化、目标被遮挡等情况,可以有效提高目标跟踪的准确度。针对相关滤波器的跟踪结果容易陷入局部最优值以及背景杂乱下易跟踪失败等问题,提出了将上下文环境信息加入相关滤波跟踪算法的框架中,在降低复杂背景对目标跟踪影响的同时保持较高的计算效率;在空间可靠性的跟踪模板中建立空间置信图作为相关滤波的约束项,实现对形状不规则跟踪对象的自适应,有效地缓解边界效应,降低相关滤波跟踪算法的复杂度,提高了跟踪效果,达到了无人机对跟踪实时性的要求。实验结果证明了本文所提算法在跟踪性能上的优越性。