由于无人机技术的快速发展,无人机在多个领域得到了广泛的应用,但与此同时也带来了威胁与挑战。因此,利用视觉检测技术对无人机进行识别发现得到了各界的高度重视。但是,对不同场景中低空空域飞行的小型无人机目标检测依然存在着许多有待解决的问题。针对检测过程中无人机目标尺度变化大、背景复杂和相似飞行物干扰等情况,提出了基于深度学习的小型无人机目标检测算法。通过延伸特征提取网络,让算法模型学习更多的无人机形态;改进算法模型的特征融和方式,加强算法模型对无人机特征的学习。实验表明,在面对复杂情况时,本算法的检测精度更高。针对红外图像中小型无人机目标视觉特征不明显、检测精度较低的问题,提出一种基于广义低秩背景估计的检测算法。通过对红外图像序列进行建模,利用广义低秩背景估计进行背景减除,得到前景目标图像;设置阈值进行分割,对前景图像进行无人机目标检测。实验表明,该算法可以有效的检测出红外图像序列中的小型无人机。针对不同场景下可见光相机和红外相机表现存在差异的问题,通过对同一场景下两种相机同时获取得到的图像进行配准、融合,结合两种图像各自的优势,得到信息更为丰富的融合图像。实验表明,本文使用的融合算法得到的图像在进行目标检测时,可以更加准确的发现识别无人机目标。通过对多源图像中低空小型无人机目标检测技术的研究和实验,本文解决了多个小型无人机目标的检测问题,对反无人机系统后续的跟踪反制提供了技术支持,具有重要的研究意义和实际应用价值。