机载平台下运动目标的检测与跟踪技术在航空侦察、救灾勘探、交通监控等领域都有着广泛的应用,具有重要的理论价值和实践意义。机载平台下所拍摄的视频序列受到平台运动影响,融入了背景的运动信息,增加了运动目标检测的难度,使得其准确性和可靠性难以保证。运动目标的跟踪方面,平台运动会导致所拍摄的运动目标的形状与尺度等发生较大改变,所使用的算法必须满足长时间的稳定跟踪。针对上述问题,本文首先完成了机载平台下对背景运动的估计与补偿,然后进行运动目标的检测,对其准确定位,最后实现运动目标的稳定跟踪。背景运动补偿环节,提出了一种减少待匹配SURF特征点数量的筛选策略。在参考帧图像的特征点提取出来之后,利用设定好的滑动窗口在图像中遍历,将局部过多且距离很近的特征点剔除,加速匹配过程的同时也提高了匹配精度。然后,利用基于FLANN搜索策略的最近邻准则匹配帧间图像特征点,再使用LS法处理由PROSAC估计得到的最优内点集,拟合求解摄像机运动模型中的各个参数,进而完成对当前帧的背景运动补偿。运动目标检测环节,考虑到背景补偿并不能完全准确地将帧间图像中的背景运动差异全部消去,为了提高算法的自主检测能力,提出了一种基于统计信息的改进滑动平均运动目标检测算法。通过帧差法先一步粗略分离前背景,在滑动平均算法中引入对前背景像素点的统计信息,自适应更新背景建模权重因子,能够更为有效快速建立新的背景模型,进一步融合三帧差分连通域分析后的检测结果,完成视频序列中运动目标的检测工作。运动目标跟踪方面,重点研究学习了KCF算法思想。在其他学者的研究基础上,对KCF借鉴引入尺度变换,并根据多特征融合方法,在特征层面上融合了HSI特征,加入颜色信息从而增强对目标的描述能力;在决策层面上,将基于KCF和颜色直方图的两种跟踪算法结果计算加权和,发挥各自的独特优势,最后完成了在无人机航拍UAV123数据集上的实验对比分析。