无人机对地运动目标跟踪在军事和民用领域起到了侦察、打击、监控等重要作用。本文重点研究了不同影响因素下图像表征模型、无人机对地单运动目标跟踪和无人机对地多运动目标跟踪。针对环境因素影响下阴影干扰、纹理缺乏、跟踪漂移对目标的影响,建立相应的目标特征模型。针对载机和相机运动影响下场景抖动、背景旋转和目标形变对背景和目标的影响,建立相应的背景模型或目标特征模型。针对无人机对地小目标实时跟踪中阴影干扰、目标形变、跟踪漂移的情况,提出了基于改进相关滤波器和目标多特征的无人机对地单运动目标跟踪算法。提取目标多特征:梯度方向直方图(HOG)特征、颜色特征(CN)、深度特征(CNN)。利用空间可靠性图改进相关滤波器提高对不规则形状目标的跟踪性能。基于高效卷积算子进行特征降维和构建紧凑的样本空间,显著降低空间和时间复杂度,提供更好的样本多样性。根据相关滤波器得到的目标特征响应确定目标跟踪框的位置,实现目标跟踪。实验结果表明:算法能够实时准确的跟踪单运动小目标,平均帧率44.09帧/秒,具有较好的实时性。针对随着时间推移多目标跟踪轨迹离散和状态空间巨大等问题,提出了一种融合数据关联和轨迹估计的无人机对地多运动目标跟踪算法。结合标签成本将离散数据关联和连续轨迹估计融合为一个能量模型,通过最小化能量函数得到最优的多运动目标轨迹分布。采用标签成本以防止交替最小化过度拟合,并作为一个模型选择项来规范轨迹的数量。在标签成本中加入基于颜色特征的外观模型提高算法的鲁棒性。对于交错场景下多目标容易出现身份交换和重编号的问题,提出了融合颜色直方图和颜色分布的多目标身份验证算法,对各轨迹目标进行相似度对比,实现多运动目标持续跟踪。实验结果表明:对于不同的多目标跟踪应用场景,本算法均具有较为稳定的跟踪效果。