目标的识别与跟踪技术是机器视觉领域的一个重要的研究分支,指的是对图像采集系统获取的图像序列进行分析,识别出目标并计算出目标在当前帧图像中的位置。而基于无人机的目标识别与跟踪就是将该技术应用于无人机,借助丰富的图像信息来扩展无人机在军事领域和民用领域的应用。论文介绍了目标识别与跟踪技术的研究背景和意义、国内外研究现状及其在无人机上的应用现状,结合实验室具备的无人机搭建了图像采集系统,并对获取的图像进行了降采样、灰度化及降噪等预处理。针对无人机获取的目标图像存在尺度变化、局部遮挡及仿射变换等问题,对SIFT描述子进行改进获取了新的低维SIFTRO描述子,并利用该描述子实现了基于模板匹配算法的目标自动识别。为了对视频中的目标进行长时间的稳定跟踪,本文重点研究了TLD目标跟踪算法并实现了TLD跟踪框架下的目标跟踪,并在此基础上将核相关滤波器(KCF)和卡尔曼滤波器(KF)引入到跟踪算法的设计中,提出了一种改进的TLD跟踪算法。算法利用KCF跟踪模块替换了原TLD框架中的中值流跟踪模块,同时在原TLD框架中增加了KF模块,用于目标位置的预测及修正,并且针对检测模块中NN分类器的正负样本库存在的膨胀问题进行了改进,利用随机遗忘法保持正样本库中样本数量为常数,最终改进算法实现了对运动目标长时间的稳定跟踪,并且跟踪帧率也得到了一定的提升。