随着机器视觉的发展,视觉目标跟踪技术如今已拥有更加广阔的应用范围,而针对空中目标的视觉跟踪则在机场、防空等领域有着不同寻常的意义。但是不像其他目标,空中目标存在着移动速度快、形变量大、与背景难以区分等特点,同时天气、摄像机噪声等客观因素,都会使对空中目标的检测和跟踪难以处理。针对以上问题,本文主要对于空中目标的检测和跟踪展开研究,特别是无人机目标,重点研究目标检测算法以及多种视觉跟踪算法,并利用Qt开发交互界面软件,对算法进行功能测试,以可视化方式实时展示算法结果。主要完成工作如下:1.研究几种常用的图像特征以及深度特征,为后续章节做了铺垫,之后研究了一种用于静态目标检测的方法:使用基于深度学习的YOLO检测框架直接检测空中目标,通过实验证明,该方法对于静态的已获取先验信息的目标有较好的检测结果。2.针对于空中目标,研究了4种经典的视觉单目标跟踪算法,实验证明这四种方法对于最新的应用环境已无法满足实际工程需要,之后研究了基础的相关滤波跟踪理论和2种算法,通过实验证明,DSST算法是当前对空目标跟踪效果最好的一种算法。3.研究了近几年新问世的几种算法,可以分为以下三类:基于相关滤波的算法,使用深度卷积特征的相关滤波算法,基于深度学习的算法。并对这些算法对于空中目标的应用场景进行了测试,总体跟踪精度很高,但是需要的运行环境也很高。4.研究交互界面开发,使用C++和Matlab编程语言,利用Qt开发框架开发软件交互界面,将各种目标检测方法、经典目标跟踪算法、基于相关滤波的算法及其改进算法、使用深度卷积特征的相关滤波算法等模块集成到该软件框架中,提供测试算法的各种功能,实时显示算法的跟踪和检测结果。