無人機技術(shù)隨著現(xiàn)代科學技術(shù)的發(fā)展也日漸成熟，它參與了民用領(lǐng)域中的諸多行業(yè)，具備高效率、低成本、大產(chǎn)出等優(yōu)勢。與此同時，無人機對空域的安全也造成了嚴重的威脅，所以各國也開始研發(fā)各自的反無人機系統(tǒng)。將紅外成像技術(shù)應(yīng)用到反無人機系統(tǒng)中，不僅具有抗干擾、隱蔽性好和適應(yīng)天候能力強等優(yōu)點，而且價格和維護成本也相對低廉。紅外反無人機系統(tǒng)也存在著許多難點問題，如何盡早的發(fā)現(xiàn)無人機，如何更快的跟蹤無人機就是其中的難點問題。這便需要我們來盡可能的加強無人機的檢測距離。因為距離的原因，無人機目標在圖像中的表現(xiàn)形式非常小，再加上外部的噪聲和背景雜波的影響，這對我們能否順利檢測到無人機以及跟蹤無人機造成--定的困難。怎樣才能實現(xiàn)對無人機快速準確的檢測和跟蹤，這是很重要的一項研究。本文就是對無人機檢測和跟蹤中所用到的技術(shù)進行研究，接下來介紹本文的有關(guān)研究內(nèi)容。

　　對于圖像的預(yù)處理，本文研究了無人機的結(jié)構(gòu)組成及紅外成像特性。對實測的紅外無人機圖像進行了分析，通過實驗分析得到一種較為實用的預(yù)處理方法;在紅外無人機目標檢測方面，本文分別對DBT和TBD兩類算法進行了研究，并在易于工程上實現(xiàn)的DBT算法中提出了一種基于動態(tài)閾值的CFAR多幀關(guān)聯(lián)檢測方法，該方法能夠有效地提高單幀圖像目標檢測率和降低虛警率;在紅外無人機目標跟蹤方面，本文將基于隨機有限集的伯努利濾波算法應(yīng)用到紅外無人機目標跟蹤，通過實驗證明標記多伯努利算法能夠穩(wěn)定跟蹤多個指定的目標，并且能夠通過標簽將各個目標很好地區(qū)分;在無人機群目標跟蹤方面，本文采用基于聚類的LMB群目標跟蹤算法，避免了直接使用LMB算法對無人機群目標跟蹤產(chǎn)生的軌跡交叉混亂和群內(nèi)目標個數(shù)估計誤差較大等問題，實現(xiàn)了對單群目標中心穩(wěn)定跟蹤;最后，針對多群交叉產(chǎn)生聚類中心不穩(wěn)定的問題，本文采用了二次聚類方法，能為LMB跟蹤算法提供更可靠的群內(nèi)小中心，合并小中心軌跡后，便可得到群目標中心軌跡。通過實驗證明，該方法能夠解決群目標交叉時聚類中心不穩(wěn)定導致目標丟失的問題。