自主目标检测及跟踪技术是飞行器实现目标侦查和搜索的核心技术之一。它对飞行器在巡航任务或者侦查打击任务中能够快速锁定并跟踪目标,对于实时分析战场态势,了解目标状态具有重要作用。论文针对飞行器巡航和侦查任务中,由于人为抖动或目标快速运动导致的目标初始位置锁定不准确的问题,提出一种自主目标检测及其跟踪方案。由目标检测算法进行目标的自动锁定,并提供目标初始位置信息,再由目标跟踪算法进行目标跟踪。论文在目标检测算法的研究中,比较了R-CNN,YOLO及SSD等卷积神经网络的结构及性能,针对传统检测方法计算量大,且手动设计的特征可移植性不强的问题,论文将SSD网络引入目标检测中,完成SSD网络的微调训练。同时,针对真实场景中目标检测为多类目标的问题,提出目标检测优先级排序策略,实现了基于SSD的目标检测算法,为目标跟踪提供可靠的位置信息。论文在目标跟踪算法的研究中,针对基于相关滤波的模板类算法在目标变形和目标快速运动问题的表现不足,将基于相关滤波的模板类特征与基于颜色的概率类特征相结合,提出了基于融合特征的自适应目标跟踪算法。对于目标的多尺度变化问题,论文提出将位置和尺度融合在一个模板中,设计了7种不同的目标尺度进行全局最优搜索。论文对提取的不同目标特征进行分析,将目标检测算法的卷积特征引入跟踪算法,设计了基于响应图置信指标(峰值能量比)的模板更新策略,根据不同的置信值修改模板学习率以实现对模板的分级更新。同时,通过设置模板更新周期来减小模板更新的计算量。最后,论文将目标检测与目标跟踪结合,针对跟踪过程中目标可能丢失的情况,根据响应置信值(峰值能量比)的变化状态,设计了目标丢失重检测方案,实现了对目标的准确稳定跟踪。