无人机（Unmanned Aerial Vehicle,UAV）视角下的目标跟踪是无人机侦查、高空拍摄、交通监控和电力巡检等任务中的关键技术。多旋翼无人机轻盈易操控,具有垂直起降、性能稳定、自由悬停等优点,可以在复杂的地形环境中执行上述任务。然而多旋翼无人机的负载和电池容量限制了嵌入式系统上允许的计算设备类型,从而严重限制了可用的计算力。另外,目标跟踪时通常需要人工标注目标初始位置,在标注过程中无人机与目标位置很可能已经发变化,从而导致跟踪失败。针对这些问题,本文研究了可用于轻型嵌入式设备的实时目标跟踪算法,并使用显著性检测算法代替人工获取通用目标在第一帧的定位,搭建了四旋翼无人机视觉目标跟踪系统,完成自主跟踪任务。本文的主要工作以及贡献如下:首先,研究了基于相关滤波的视觉目标跟踪算法。介绍了相关滤波与目标跟踪结合的原理,给出了核相关滤波算法在训练阶段与检测阶段的原理公式推导。在核相关滤波算法基础上做出几点改进:集成两个核相关滤波跟踪器,交替运行,并且利用卡尔曼滤波器估计目标的运动来平滑两个滤波器的中间输出;融合多特征;修改模板更新策略。随后在OTB100与UAV123数据集上进行验证,在不损失算法速度的情况下,精确度与成功率有明显的提升。其次,研究了基于栅格距离的显著性目标检测算法及其在目标跟踪中的应用。介绍了距离图概念以及栅格距离的损失函数,给出了栅格扫描算法的近似化快速实现。结合图像处理方法,实现显著性目标检测,将其融入跟踪算法流程中。最终在选取的数据集序列上进行验证,融合后的算法可以自动初始化运行并进一步提升跟踪结果。最后,搭建了基于树莓派的四旋翼无人机视觉跟踪平台。结合视觉目标跟踪输出,设计了无人机后方跟踪速度伺服控制器,使用仿真平台进行跟踪测试。最终在实际飞行中,验证四旋翼无人机系统自主跟踪目标的稳定性。