到目前为止，旋翼无人机跟踪系统技术在国内外已经获得了诸多项研究成果，其中，基于视觉系统的无人机目标跟踪控制律、云台控制律和基于视觉系统的多架无人机协同进行目标跟踪是主要关键技术研究[3]。在旋翼无人机视觉跟踪系统设计方面，国外的研究起步较早，技术也相对成熟。基于旋翼无人机的跟踪导航与控制研究，美国一直处于世界领先地位，此外，欧洲、日本等国家紧随其后。与国外相比，国内在这一方面的研究起步较晚，但发展速度较快，也取得了一些研究成果。在文献[1]的第1。2节有详细的近年来国内外研究概况图表，在此就不再赘述。在最近两年内，满足现实场景中快速实时跟踪的算法有：（仅列举了其中一部分）80790

1。CN（Colorname）跟踪器[4]

CN跟踪器是CSK跟踪器[5]的进一步改进算法。它利用颜色特征和灰度特征来描述目标，并且对颜色特征进行了特征降维（principalcomponentanalysis，PCA），从而使得对目标的描述更加精确和鲁棒。CN跟踪器优点在于对复杂的视频序列有很好的跟踪结果，不足之处在于对例如目标尺度变化、快速运动、出视角、低分辨率等视频序列跟踪效果不佳。

2。STC（Spatio-TmporalContext）跟踪器[6]

这是一种简单快速并且鲁棒的跟踪算法，它的跟踪方式是通过目标和目标局部的稠密信息的空时关系模型化稠密的空时场景。STC跟踪器仅使用了最简单的灰度特征，并且利用了一种有效的尺度变化方案。STC跟踪器的优点在于对尺度、光照、姿势变化，旋转，遮挡，背景杂乱和突然运动的视频序列都有较好的跟踪，不足之处在于对刚性形变、出视角和低分辨率的视频跟踪效果不佳。

3。ODFS（OnlineDiscriminativeFeatureSelectio）跟踪器[7]ODFS跟踪器是一种简单且有效的在线判别特征选择的算法，它是利用正样本的最陡上升梯度和负样本的最陡下降梯度迭代优化目标函数，进而使得弱分类器拥有最大化的输出。利用这种方式使得该跟踪器具备选择更加鲁棒的特征。由ODFS跟踪器算法的特性决定，它的优点在于对姿态、光照变化，旋转遮挡和视觉传感器抖动等的视频序列都较好的跟踪效果，不足之处在于对尺度变化，出视角，刚性形变和低分辨率的视频跟踪效果不佳。论文网

4。KCF（KernelizedCorrelationFilters）跟踪器[8]KCF跟踪器是利用核函数对多通道的方向梯度直方图（HistogramofOrientedGradient，HOG）特征进行融合，通过循环位移的方式进行稠密采样并结合快速傅立叶变换（FastFourierTransformation，FFT）对分类器进行快速的训练，使得训练的分类器对目标检测的能力更强。KCF跟踪器的优点在于对光照变化、非刚性变化、运动模糊、遮挡、背景杂乱和旋转等视频序列都保持良好的跟踪效果，不足在于对快速运动、尺度变化以及刚性形变的视频跟踪效果较为不佳。随着社会、经济的发展，城市规模扩大，城镇人口的增加，交通工具数量也随之上升，传统的交通监控正面临着极大的挑战。具有机动性和灵活性优势的基于无人机的跟踪检测与监控平台为监控工作或者执行紧急跟踪任务的警务人员提供了便利。不仅如此，无人机视觉跟踪在许多领域都能够起到相当大的作用。