实时目标跟踪与轨迹预测在安防监控、智能交通、军事打击等领域有着广阔的应用前景。本课题以国际空中机器人大赛(IARC)第7代任务为背景,以四旋翼无人机为平台对该问题进行了研究,设计了一种检测器与跟踪器相融合的多相似目标跟踪算法,并以此为基础实现了目标的轨迹预测。首先,为了实现初始跟踪与跟踪失败后目标跟踪区域的自动获取,以方向梯度直方图(HOG)为特征,设计了一个基于支持向量机(SVM)的多目标检测器,并通过自举法与交叉验证法对初始的检测器进行性能改善,使得该检测器的准确率达98%以上,并且对目标的尺度、旋转变化以及环境的光照变化都有较好的鲁棒性。其次,设计了一个基于改进的Mean Shift算法的实时目标跟踪器。针对该算法需要手动选取目标模型,引入目标模型模板,实现目标模型的自动获取;针对目标跟踪状态的不明确性,制定了跟踪是否失败的多重判断条件,实现了对跟踪器状态的准确监测。再次,将上述检测器与跟踪器通过融合器相结合,设计了多相似目标跟踪算法。系统启动时逐帧检测目标,搜索潜在目标,并通过颜色分割鉴定出需要跟踪的目标,引入相应的模板,开启跟踪器;在跟踪过程中,逐帧判断目标跟踪状态,并隔帧进行目标检测,搜寻可能出现的目标并进行跟踪,获得了系统稳定与实时的性能平衡。最后,提出了一种基于Kalman滤波器与最小二乘法的目标轨迹预测算法。首先对地面移动目标进行了建模分析;然后通过摄像机标定与逆透视映射,将图像坐标系中的目标位置映射到世界坐标系中,实现目标的全局定位;最后通过Kalman滤波器与最小二乘法预测并拟合目标轨迹,为四旋翼无人机搜寻并跟踪目标提供决策依据。