海洋环境的探测与开发越来越依赖水下机器人的对周围环境的感知能力,前视声呐如同水下探测装置的一双眼睛,研究使用前视声呐对水下目标进行检测与跟踪对水下环境探测、作业有着重要的作用。前视声呐从模型上与光学图像有着本质的区别,研究特别针对前视声呐图像的检测与跟踪技术有着重要的意义。本文基于能够提供高帧率、高分辨率图像的多波束前视声呐,研究前视声呐目标检测与跟踪技术,主要研究工作如下:首先对前视声呐目标检测标记方法进行了研究。针对前视声呐图像,提出了一种目标检测的标记方法,不仅能标记检测框,还能标记出阴影,具有较高的通用性和应用价值。对该标签设计了对阴影检测精度的评价指标。基于改进的标签,设计了一个前视声呐图像生成实验,展示改进标签包含更多的目标信息。其次,为使深度学习模型能够同时输出目标和阴影,对前视声呐目标检测方法进行研究。首先提出了两种直观上容易实现的方法输出目标和阴影,两种方法分别在单独的任务中达到了较高的精度,但是不能对目标检测和阴影检测两种任务均实现较高的精度,基于两种方法对模型进一步改进,实验结果验证了改进方法的有效性。再次,对于前视声呐多目标跟踪问题,研究了当缺少载体姿态信息时,如何提升跟踪精度,本文通过相位相关算法估计前视声呐载体的旋转角度,然后将估计值作为控制量输入到模型中,使用真实的声呐数据验证了改进方法对跟踪算法参数更不敏感,具有更高的跟踪精度。最后,本文结合改进的检测与跟踪方法进行了实验,验证了改进检测模型实现了标签规定的功能,输出目标的同时输出阴影,同时也验证了改进的跟踪模型对跟踪性能的提升。