近年来，无人机作为一种常见的通过遥控或自动驾驶的飞行设备，被广泛应用于对地震、火灾、洪水等灾害现场的勘察和搜救工作，以及航拍、摄影等娱乐活动。但无人机技术给人类生产生活带来便利的同时，也造成了许多安全隐患，机场、军事区域的无人机黑飞现象更是屡见不鲜，因此需要对无人机进行有效的管控。
　　无人机的管控不仅需要有关部门出台相应的政策以及对操作者的普及教育，更需要对黑飞无人机采取有效的反制措施，其中通信干扰和物理击落为两种常用手段，通信干扰包括电子围栏、信号屏蔽、机载相机致盲等，而物理击落主要有激光、火炮、网枪等方式。针对无人机动作灵活、拦截困难以及信号干扰设备成本高昂等问题，本文提出了一种通过无人机机载相机对特定区域内的可疑无人机目标进行识别与跟踪后依靠无人机机载网枪对其拦截的技术方案。本文重点研究了该方案的软件算法部分，包括基于可见光图像的可疑目标识别和跟踪，以及多无人机协同的目标搜索策略，并不涉及无人机机载网枪等硬件部分。
　　无人机的近空目标识别与跟踪系统是指通过低空飞行的无人机机载相机获取的视觉信息计算出可疑目标的位置信息和类别信息。得到目标与无人机自身的位置偏差后，进而调整无人机的飞行姿态和空间位置，实现对可疑目标的跟随。当可疑目标进入设定的射程范围内，可控制网枪对其进行拦截。由于市面上的无人机种类纷繁复杂，涉及固定翼无人机、四旋翼无人机、普通民用无人机、军用无人机等许多种类。为了实现对场景中的可疑目标快速、精准识别，需要提出一种完备高效的目标识别算法。本文将基于深度卷积神经网络的YOLO算法用于可疑目标的识别，通过网络爬虫和手工标注扩充训练样本集，并针对无人机目标的特性以及算法模型的不足提出改进方案。基于TensorFlow框架完成模型的训练和调参工作。
　　目标跟踪部分，由于目标的外观变化和环境的干扰对跟踪精度的影响较大，需要建立一套高效稳定、鲁棒性强的目标跟踪算法。本文将基于卷积特征的MDNet算法用于可疑目标的跟踪，主要针对模型运算效率低的问题提出改进，包括调整网络结构和引入更高效的优化算法。基于MatConvNet框架完成模型的训练和调参工作。
　　单无人机存在工作效率低、工作范围小等问题，而多无人机协同搜索能通过多架无人机对广域范围内可疑目标进行快速、有效的搜索。本文对多无人机协同搜索任务建模，采用离散粒子群算法解决了搜索路径的优化问题，通过仿真实验验证了其算法的可靠性。