随着相关软件和硬件的不断进步,无人机的成本逐渐降低,因此开始被各个行业广泛使用。目标跟踪在无人机的很多应用场景中发挥了关键的作用,如军事侦察、搜索救援、交通运输等,是无人机发展的一个重要方向。然而无人机的目标跟踪存在着很多难题。首先,目标自身的变化和外部环境的不确定性给跟踪带来了困难。另外,长期目标跟踪中,目标可能从视野中消失或者被完全遮挡导致目标丢失。最后,需要有合理的控制方法能够使无人机的跟踪持续进行。本文提出了一个基于核相关滤波算法的无人机目标跟踪系统。由于无人机的载重以及功耗的限制,我们使用了基于相机的视觉目标跟踪系统代替大型传感设备来对目标进行位置估计。为了解决无人机目标跟踪存在的难题,本文基于核相关滤波（Kernelized Correlation Filter,KCF）算法做出了改进。首先,为了应对目标的尺度变化,在算法中引入尺度池,在各个尺度上进行计算找出最佳尺度作为当前目标尺度。其次,在算法中引入置信度机制来评估目标跟踪的状态,根据当前状态选择性更新跟踪模型以减少目标背景信息对模型的干扰。最后设计了一种目标重检测的策略,当目标丢失时可以重新寻找到目标。利用改进的算法可以得出目标在相机捕获的图像中的位置,然后利用该位置信息,可以使用双目立体视觉精确计算出目标和无人机的相对位置。在得到目标的位置后,我们设计了一种控制方法,使目标始终保持在无人机的视野内从而持续地跟踪目标。本文首先在目标跟踪基准上进行了实验,将改进的算法与其他算法进行比较,以验证其有效性。试验结果表明,我们的算法相对于其他算法能够更精确地得出目标的位置,而且运行速度也可以使无人机实时地进行目标跟踪。最后,我们将该算法与控制方法结合应用到了无人机上并且在户外进行了实验,验证了所提目标跟踪系统的可行性。本文做出的主要贡献总结如下:（1）对KCF算法进行了改进,本文所提算法可以应对目标尺度的变化,同时优化了跟踪模型更新机制并且可以判断当前跟踪状态,跟踪目标丢失时有相应策略可以重新检测到目标。（2）将双目立体视觉和改进的目标跟踪算法相结合精确地计算出了目标和无人机的相对位置,提高了无人机目标跟踪的准确度。并根据此位置信息,提出了一种无人机控制方法,可以使目标始终保持在相机的视野内,并且和无人机保持一定的距离,从而持续地跟踪目标。（3）在数据集上评估了所提算法的性能,并且进一步结合目标跟踪算法和飞行控制方法搭建了完整的无人机目标跟踪系统,在实际环境中进行了验证实验。