摘要：无人机是执行各种枯燥、肮脏或危险（3D）任务的最佳平台之一。无人机可用于人类无法干预的各种应用。视觉跟踪的应用空间同时也被极大地拓展。这门基于视觉的无人机目标跟踪技术的进一步深入研究一直受广大无人机应用领域专家关注，是最活跃的研究方向之一。目前，来自美国、英国、法国和瑞典的研究人员在这一领域处于领先地位。典型的无人机视觉跟踪平台有扫描鹰、GTMax、RQ-11、RQ-16等。旋翼无人机具有许多优点，例如成本较低、结构十分简单、体积很小、操作非常灵活以及便于携带等。它在交通防控、资源勘探、电力巡更等领域有着广泛的应用，在森林防火、航空摄影、大气监测等领域也有着广泛的应用。

无人机（UAV）是指通过机载自动控制系统实现自主飞行或通过地面操作人员远程控制飞行的新型飞行器。多旋翼无人机是一种多旋翼飞机，能够在相对狭窄的空间内垂直起降和悬停。它具有许多优点，例如成本较低、结构十分简单、体积很小、操作非常灵活等，非常适合执行拍照、跟踪等任务。

本文针对无人机地面目标跟踪速度快、精度高、鲁棒性差的矛盾，研究了一种基于机器视觉的目标检测与跟踪算法。首先，利用尺度不变特征变换（SIFT）算法在旋转、缩放和光照变化时具有较好鲁棒性的特点提取和匹配特征点，实现目标的识别和定位，其次，采用CamShift跟踪方法，结合卡尔曼滤波预测下一帧的目标位置，在预测区域内搜索目标，避免了盲匹配，提高了跟踪速度，降低了目标丢失率。最后，搭建了视觉跟踪实验平台，对目标跟踪算法进行了测试。实验结果表明，该算法能够有效地实现对目标的跟踪，具有良好的实时性和鲁棒性。

关键词：机器视觉，CamShift跟踪算法，SIFT算法，Kalman滤波算法

目 录

摘 要

ABSTRACT

第一章  绪  论-1

1.1本课题研究的意义-1

1.2研究领域现状-1

1.3 基于无人机视觉目标跟踪的优缺点-2

1.4 所做的主要工作-3

第二章  目标检测与跟踪实现方法-4

2.1 目标检测技术实现方法-4

2.1.1 帧间差分-4

2.1.2 背景减法-4

2.1.3 光流法-6

2.1.4  Lucas-Kanade微分算法-6

2.1.5 稠密光流算法-7

2.1.6 对象分类技术-8

2.2 目标跟踪技术实现方法-9

2.2.1 点跟踪方法-9

2.2.2 基于核的跟踪方法-11

2.2.3 基于轮廓的跟踪-14

2.3 本章小结-14

第三章  目标检测算法设计-15

3.1 SIFT特征检测算法原理-15

3.2 基于SIFT算法的目标识别-18

3.3 SIFT算法的优缺点-19

3.4 本章小结-20

第四章  目标追踪算法设计-21

4.1 CamShift跟踪算法-21

4.2 kalman滤波算法-23

4.3 基于卡尔曼滤波和CamShift算法的改进-24

4.4 本章小结-26

第五章 系统的实现与测试-27

5.1 实验结果及分析-27

5.1.1 CamShift跟踪算法测试-27

5.1.2 Kalman滤波原理测试-28

5.1.3 改进方法的测试-29

5.1.4 结果分析-29

5.2 本章小结-29

总结和展望-30

参考文献-31

致  谢-33

附  录-34