本文采用模式识别和计算机视觉方法研究基于视觉的无人机行人跟踪和人脸主动感知。无人机对行人进行跟踪是指在行人跟踪的基础上,无人机围绕跟踪目标环绕飞行以抓取全身信息,这在罪犯抓捕、安防监控等领域都有广阔的应用前景。人脸主动感知是在行人环绕跟踪的基础上,无人机抵近目标,主动定位到目标行人的脸部,并飞行至人脸正前方捕捉端正清晰的目标脸部照片。在行人环绕跟踪方面,本文针对无人机运动平台,提出了一种解决环绕飞行中多行人遮挡情况下特定行人跟踪问题的方法。行人环绕跟踪算法主要包括四个模块:光照处理、行人检测、特征提取和目标匹配。其中,光照处理采用经典的Retinex方法,处理环绕飞行中光场快速变化的问题;行人检测部分使用深度学习目标检测算法SSD(Single Shot Multi-Box Detector)进行检测;特征提取是对行人进行分块提取颜色特征;在目标匹配部分,通过构建两个不同周期的特征队列,来储存目标行人的特征(作为码本),使用LLC(Locality-constrained Linear Coding)方法对每帧检测到的所有行人特征进行稀疏重建,使用重建误差大小来判断是否是特定跟踪目标。在人脸主动感知方面,本文使用MTCNN(Multi-task Cascaded Convolutional Neural Networks)进行人脸检测和关键点定位,并基于此设计人脸评分机制和飞行控制算法,使无人机能在多人干扰情况下主动跟踪飞行到目标行人脸部正前方,捕捉最端正清晰的目标脸部照片。实验使用固定前置单目摄像头的无人机Parrot Bebop2,完全基于视觉引导进行行人跟踪和人脸主动感知,本文在户外进行大量实验,验证了本文提出的无人机行人跟踪方法的有效性和人脸主动感知的实用性。