目标检测和跟踪在最近几年一直是计算机视觉领域的热门研究内容,各种新算法,新思路层出不穷。基于航拍视频的运动目标检测和跟踪的应用不仅在军事中,在老百姓的日常生活中也愈发重要,因此具备很高的研究价值。同时在航拍视频中对运动目标进行检测和跟踪也是一项极具挑战性的任务,因为航拍视频存在着图像分辨率低,背景与目标同时运动,目标尺寸小且易受遮挡等问题。本文分别对航拍视频下的目标检测和目标跟踪算法进行研究,解决目标检测和跟踪过程中遇到的难点重点,提高算法的准确性和实时性。论文的主要工作如下:针对航拍视频中背景与目标一起运动的问题,本文提出了一种基于背景补偿的改进三帧差法来准确提取目标。选择性能良好的SURF特征匹配算法提取特征点,并利用RANSAC算法估计运动背景的单应性变换模型来进行背景补偿。由于帧差法的结果存在空洞和噪声,本文提出一种图像质量评估算法对多幅差分图像进行质量评估,并将其添加到三帧差分法中以获得更准确的运动目标检测结果。此外,为进一步提高算法的检测效果,算法还集成了边缘检测模块和形态学处理。在DARPA VIVID数据集上的实验结果表明所提出的检测算法非常适合各种具有挑战性的航拍场景。针对拍摄目标所用的无人机机载设备计算能力有限的问题,考虑到目标跟踪的鲁棒性和实时性,本文选取DSST目标跟踪算法作为基算法。并对DSST跟踪算法的尺度搜索策略进行了改进,提出D.S.C降维尺度更新策略,从降低数据的维度和减少寻解步骤两个方面提高算法效率。同时,针对航拍视频中干扰项众多,目标在移动时易发生遮挡等问题,设计多峰目标重检测策略,防止类似目标或背景噪声引起的模型漂移问题,提高定位的精准度。针对大部分算法无法长期跟踪运动目标的问题,本文提出一种长期运动目标跟踪算法。在DSST目标跟踪算法的基础上,设计目标置信度计算策略,模型更新策略和目标重检测机制来保证在目标长期运动过程中算法跟踪的可靠性。在DARPA VIVID航拍视频数据集上的实验结果证明本文提出的基于DSST的长期目标跟踪算法,与现有的跟踪算法如KCF、SMAF、CSK和TLD等相比,无论是在准确性还是鲁棒性上都有着显著的优势。本文算法在距离精度(DP)和重叠精度(OP)两个指标上高达75.5%和93.3%,而其中心位置误差(CLE)只有10.9。该算法以每秒30帧左右的速度实时的跟踪航拍视频中的运动目标。