近年来,随着无人机控制技术的不断成熟,无人机被广泛应用于各个领域。视频监控作为现代社会生活的重要安防工具,严重影响公共安全和秩序。现有的视频监控算法主要基于定点摄像机,其具有成本高,监控视角单一的缺陷。针对这一问题,本文开展基于无人机的自主智能监控算法研究。主要研究工作和创新总结如下:第一,设计无人机智能监控系统的整体架构。针对当前无人机智能监控定义不明确,架构不科学,提出了无人机智能监控系统的整体架构。该架构分为实现智能监控功能的无人机目标检测跟踪算法和提高无人机续航时间的无人机自主降落算法。并深入分析无人机视角下智能监控算法的研究难点,为后续章节的算法提出与改进提供动机和理论基础。第二,基于现有的目标检测与跟踪算法,针对当前无人机视角下,目标尺寸小,背景复杂的问题,提出一种适用于无人机平台的目标检测与跟踪算法。具体地,对目标检测算法YOLO V4的数据增广方式和训练策略进行改进,使得算法在无人机目标检测数据集Visdrone2019-DET上的m AP指标由26.73提升至29.72。对目标跟踪算法Siam FC++的正负样本划分方式和损失函数进行改进,使得算法在无人机目标跟踪数据集UAV123上的AUC指标由57.4%提升至60.2%。使用真实场景下的数据集对无人机目标检测与跟踪算法进行实验测试,结果表明该算法在真实场景下也具有很好的视觉效果,具有良好的泛化性。第三,提出视觉辅助的无人机自主降落算法。具体地,设计通用停机标志,制作停机标志数据集Sign1和Sign2,并根据停机标志提出多阶段精准识别定位算法来辅助自主降落。该算法根据无人机高度信息,设计了两级识别定位算法,其中,第一级识别定位算法使用深度学习检测算法,为提高该检测算法精度和泛化性,使用合成数据对数据集扩充,使得第一级识别定位算法在本文提出的数据集Sign1上的m AP达到72.68;第二级识别定位算法利用停机标志图形学信息,识别定位停机标志位置偏移与角度偏移,实现无人机的角度调整,进而提高降落精度,第二级识别定位算法在本文提出的数据集Sign2上准确率达到了88.5%。第四,搭建实现无人机自主监控系统。针对当前无人机机载处理器成本高,性能低的不足,搭建实现了无人机自主监控系统,该系统使用后端处理服务器实现对监控视频数据的处理。系统具体包含无人机,遥控器,流媒体服务器,后端处理服务器和管理客户端六大组件。使用视频推拉流技术,实现低延时,高质量地视频数据传输给。使用UDP,TCP技术,实现管理客户端与后端处理服务器的通信。同时,为了方便工作人员操作和调试,设计了用户友好的图形化操作界面。