随着无人机技术的广泛应用和深入发展，航拍视频运动目标检测与跟踪已经成为计算机视觉领域的研究热点之一。作为无人机监控系统的关键技术，航拍视频运动目标检测与跟踪通过分析航拍视频数据获取运动目标位置、外观、运动轨迹等信息，是后续目标识别、场景感知、行为理解、分析决策等高级处理的基础。本文对航拍视频运动目标检测与跟踪等关键技术进行了深入研究，主要工作及创新点如下：　　(1)对航拍视频运动目标检测与跟踪问题进行了较全面的分析研究，对其中的运动目标检测与定位、目标跟踪等关键技术做了详细的归纳综述，为后续研究提供了有价值的参考。　　(2)针对航拍视频中交叉运动、相互靠近的运动目标跟踪，提出了一种基于运动特征时空联合自适应聚类的航拍视频运动目标跟踪方法，在对光流轨迹特征的帧内自适应聚类基础上，引入时间维度自适应聚类，通过时空联合聚类鲁棒跟踪近距离运动目标。使用DARPA VIVID数据库对算法进行测试，结果表明由于采用了时空联合信息分析，该方法能够自动检测并鲁棒跟踪交叉运动的多目标。此外提取光流特征增强了算法鲁棒性，使得算法对外观不明显的小目标也能够持续正确跟踪。　　(3)提出了一种基于多约束子空间自适应增量学习的航拍视频运动目标跟踪算法，将运动轨迹作为先验知识指导跟踪，进一步提高跟踪精度。针对开环机制的目标跟踪算法缺乏反馈修正、难以自恢复的问题，引入外观约束、运动约束等多个约束条件，进行跟踪状态判决和自适应更新决策，将判决决策等高层指导信息反馈给底层处理，实现了跟踪器的自适应决策更新。采用DAPAR VIVID等公开数据库对算法的测试结果表明，在目标外观变化、尺度缩放、旋转、亮度变化等复杂条件下，本文算法能够以更加符合环境条件变化节奏的自适应频率更新模板，达到很好的跟踪效果，提高算法鲁棒性和效率。　　(4)针对立交桥、房屋建筑、树木等城区监控场景，提出一种基于多背景建模约束的航拍视频运动目标检测算法。将传统单背景假设扩展为多背景模型，通过正确感知场景多平面背景模型，确定场景中的点对多背景模型的运动属性，协同利用多背景建模约束实现运动目标检测定位。采用KIT AIS Data Set公开数据库对算法进行有效性验证，测试结果表明，由于突破了单背景假设，算法能够在城区多背景场景准确的检测运动目标，但是对于面积较小的房屋建筑等不在任何一个感知背景平面内的虚警目标无能为力。　　(5)提出一种基于能量优化的多背景建模约束航拍视频运动目标检测算法，进一步提高城区监控场景航拍视频运动目标检测算法的检测精度。在正确感知场景多平面背景模型的基础上，通过定义能量函数并采用Graph Cuts优化求解实现对场景中的点进行前景-背景二分类、背景-背景多分类。对前景点分析运动一致性来去除引起视差的虚警目标。采用DAPAR VIVID和KIT AIS Data Set公开数据库对算法进行有效性验证，测试结果表明，由于突破了单背景假设，将运动检测转化为优化多分类问题，算法能够在城区多背景场景下去除虚警，更加准确的检测运动目标。　　(6)在城区场景航拍视频运动目标检测基础上，提出了一种基于前景观测模型和路径规划策略的航拍视频运动目标跟踪算法，借鉴移动机器人最优路径规划思想，引入人工势场实现多粒子滤波器相互协同，正确跟踪多目标。利用多背景建模约束的的运动前景检测结果进行跟踪初始化，并将前景存在概率场作为观测数据，生成包含灰度信息和结构信息的融合观测模型。通过构造人工势场引导粒子随机漂移，正确预测目标跟踪概率场，实现多目标跟踪。在KIT AIS Data Set公开数据库上对算法的测试结果证明了跟踪算法的有效性和鲁棒性。