随着无人机飞控技术和计算机视觉技术的飞速发展,两者结合的无人机视觉技术逐渐成为新的研究热点。如今无人机视觉技术已经广泛应用于野生动物保护、智慧城市管理、自然灾害检测以及交通流量监控等领域。在野生动物保护领域,无人机视觉平台可以提供远大于地面摄像头的监控范围,减少了人力物力;在自然灾害检测领域,无人机视觉平台移动方便,可以提供自然灾害的最新讯息,可以及时发现隐患并提供预警。无人机目标计数旨在得出图像中的待检物体个数。根据数据来源的不同,目标计数任务可分为图片计数以及视频计数。针对这两个方面,本文对特定应用场景下的无人机计数问题设计了相关算法。而根据监督方式的不同,目标计数任务可以分为全监督计数和半监督计数。针对无人机数据集获取困难,数据规模小的问题,本文提出了半监督目标计数框架。主要工作和贡献总结如下:（1）针对无人机平台下,夜间计数困难的问题,提出了同时使用可见光和热感图像的多模态图片计数网络。可见光图像在夜间计数任务中,由于物体特征不明显,容易产生漏检,而热感图像在夜间,容易将路灯等细小热源识别成待检物体,产生误检。因此,该工作提出了多模型的夜间计数模型,相较于单模态模型,夜间计数效果优异。（2）针对无人机视角下,物体尺度小,运动模糊现象多的问题,本文提出了一个基于光流的视频计数网络。相较于图片计数,视频计数场景包含丰富的时序信息。本文通过引入在线的光流网络,可以在数据集缺少光流标注的情况下,在线更新光流评估网络。同时基于流型假设,对像素空间和特征空间加入图正则。实验结果表明,本文提出的视频计数模型在视频计数任务中优于现有的图片计数模型。（3）针对无人机数据集获取困难,无人机数据集规模小的问题,提出了一个基于无标签数据的半监督计数框架。现有的无人机视觉算法包含大量的应用场景。对于新的应用场景,收集数据集费时费力,容易因过拟合导致算法泛化能力差。本文提出了半监督计数框架,可以利用无标签的网络数据,提升模型在已有数据集中的效果。实验结果表明,通过合理的设置有标签数据和无标签数据的比率,本文提出的半监督计数框架效果优于现有的全监督基准算法。