随着无人机技术的不断发展,围绕无人机在空中的良好视野为计算机视觉提供良好的图像平台的行人目标的跟随、跟拍逐渐成为了无人机技术发展的一个热门方向。但是,行人进入复杂环境后由于环境的遮挡、行人自身状态的变化、光照变化,基于无人机的行人目标长时间跟随会出现目标丢失、跟随失败、目标检测失败等情况。因此本文分析了无人机行人目标跟随任务中的难点,针对复杂环境下的旋翼无人机行人目标跟随方法进行了研究。该方法基于深度学习围绕无人机飞行平台构建了集中式目标跟随系统,能够更有效地用于多媒体、军事等领域。本文以复杂环境下旋翼无人机行人目标跟随为背景,因此测试环境选用了背景带大量树木、道路、车辆的复杂环境对本文系统进行了系统性研究,具体内容如下:首先,针对传统目标检测算法体现的检测精度问题的通过研究神经网络的基本构成构建了基于机载平台的深度学习地面目标实时检测与精准定位方法,改进了目标检测网络与目标特征融合网络,在复杂环境下基于飞行平台实现了目标的实时目标检测。其次,深入分析并实验对比了传统目标跟踪算法的不足,针对传统算法中对目标遮挡以及状态变化产生响应的不足,本文研究了基于度量学习的Re ID方法,围绕Re ID方法构建了实时目标跟踪方法并在飞行平台上实现了基于计算机视觉的行人目标实时跟踪。然后,本文研究了基于目标检测与目标跟踪结果的单目相机图像目标运动状态分析方法、分析并构建了旋翼无人机目标跟随仿真系统,在仿真系统中验证了旋翼无人机行人目标跟随能力。最后,本文完成了旋翼无人机目标跟随系统在旋翼无人机飞行平台上的部署,并且通过定量以及定性实验验证了复杂环境下的行人目标跟随能力并验证了本文系统在现实环境下对行人遮挡、目标运动状态变化的鲁棒性、实时性。该系统最终实现了在面对遮挡、目标状态变化、近似特征干扰等复杂环境时对行人目标的实时稳定跟随。