运动目标的检测与跟踪是计算机视觉研究中的热点和难点之一,在智能交通、安全监控以及军事领域有着广阔的应用前景。无人机具有高机动性、高分辨率、隐蔽性好、操作灵活等优势,主要应用于昼夜空中侦察、战场监视、战场毁伤评估和军事测绘领域。利用无人机搭载的视频传感器对地面运动目标进行跟踪与分析,在军事上具有重要的实践意义和理论价值。然而由于视频传感器随着无人机的高速运动而运动以及视频序列影像中背景的复杂性和运动目标信息的多样性的特点,使得处理目标检测跟踪的问题变得更加困难。本文研究的目的是将光流技术引入到运动目标检测跟踪研究中,完成的主要工作及取得的成果如下:1.阐述了光流技术的基本原理和常用的计算方法,在此基础上,分析并总结了光流技术在运动估计、目标检测与跟踪中的应用方案,为后续各章节利用光流技术的应用奠定了理论基础。2.为了消除相机运动引起的影像背景的位移,运用了基于Harris特征点匹配的运动估计和全局运动补偿方法;提出了一种利用光流技术进行背景运动估计,建立背景运动参数模型,并进行全局运动补偿的方法。通过实验对比,证实了光流技术方法具有计算速度快,实用性强的优势。3.简单分析了静止背景条件下运动目标的检测方法,实现了经过背景运动补偿后的简单差分运动目标检测。重点分析了用于轮廓分割的水平集法,并将光流技术和水平集相结合,实现了运动目标的检测和分割,在静止和运动背景条件下取得了比较满意的实验结果。4.在动态背景下,通过光流方法进行背景运动估计、全局运动补偿以及运动目标的检测与分割,在此基础上,采用连续自适应均值漂移(Camshift)算法和卡尔曼滤波状态预测两种方法进行运动目标的跟踪,并实现了单目标和多目标的连续跟踪。