无人机低空作业时,环境中运动目标给无人机飞行安全带来巨大威胁。通过视觉和图像技术获取无人机飞行环境信息,进而引导无人机避让危险目标,对无人机飞行安全具有积极意义。低空飞行时,视觉单元获取图像的背景不断发生变化,对运动目标的检测和跟踪的准确性及可靠性带来很大干扰。针对该问题,论文研究面向无人机低空飞行的运动目标检测与跟踪方法,主要研究内容如下:第一,通过双目相机标定和多相机联合标定,获取相机内部参数和相机间相对位置关系,为目标检测和目标持续跟踪提供基础。第二,基于背景模型的运动目标检测方法。首先,采用双高斯模型方法获取背景信息,以减少检测过程中前景图像对背景模型的干扰。接着,通过四叉树算法对ORB特征提取算法进行改进,提高背景模型运动补偿的精度,利用背景帧差的方法获取前景运动目标;最后,针对小目标检测不完整的问题,引入一种基于图论的图像分割算法。实验结果表明,该算法能在不同环境下完成运动目标检测的任务。第三,基于KCF+Kalman算法的运动目标跟踪方法。使用KCF算法和卡尔曼滤波器分别利用目标图像信息与运动信息进行跟踪,得到检测结果与跟踪结果的IOU矩阵。通过KCF算法跟踪响应值对两种跟踪结果的IOU矩阵进行加权融合,完成对目标的跟踪。实验结果表明,该算法能正确跟踪无遮挡和短时间遮挡的目标。第四,基于多相机的运动目标持续跟踪方法。通过相机重合视域确定目标的交接时刻,利用D-S理论融合目标的颜色、纹理特征及位置信息,对重合视域中目标进行一致性判定和交接,实现多相机下运动目标的持续跟踪。