摘要
本发明公开一种基于计算机视觉的无人机自动目标识别与跟踪方法，首先，在运动特征方面，通过引入自适应状态转移矩阵和非线性运动预测改进传统卡尔曼滤波，并结合ARIMA模型与短时运动模型的多帧特征融合策略，显著提升了对复杂运动轨迹的预测能力；其次，在外观特征方面，提出的动态外观特征更新策略与记忆机制，通过加权融合与余弦相似度判断，有效解决了光照与尺度变化带来的外观特征不稳定问题；最后，在数据关联层面，引入优先级匹配与多假设追踪（MHT）方法，实现了对相似目标的有序匹配和多轨迹假设维护，显著降低了密集目标场景下的ID切换率，有效解决了针对无人机场景中目标物体常常运动复杂多变、外观易受环境干扰等问题。
