低空空域的开放带动了低空通航产业的蓬勃发展,在创造巨大经济与社会效益的同时,也对低空空域的安全管控提出了前所未有的挑战,其中尤以小型多旋翼无人机的管控最为困难。由于小型无人机成本低廉、操作简便、轻小易携带、机动灵巧等特点,在民用、商业和军事领域的应用规模迅速扩大,但随之而来的大量小型无人机非法使用现象也对国家安全、民航交通、社会治安和个人隐私产生了极大威胁。反无人机理论、技术与系统的研究与开发已经成为学术界、工业界和军方的重点关注领域。无人机监测技术是无人机反制的基础与前提,视觉监测手段可实现对无人机的预警、检测、识别与跟踪,其使用的传感器成本低、无辐射、隐蔽性好且监测结果清晰直观,已成为无人机监测的重要技术手段之一。本文以计算机视觉理论为基础,以光学摄像机为传感器,对不同环境下的反无人机视觉检测与跟踪算法展开了深度研究,主要工作与贡献总结如下:1.针对远程低空空域小型无人机预警,本文提出了一种自适应切换时空特征融合弱小目标检测算法。首先根据远距离弱小目标空域成像特点,提出了暗影帧间差分法和行列解耦形态学底帽法,分别用以生成暗影帧差时间特征图和形态学空间特征图。然后以时间与空间特征图中的正检空间分布一致性与误检空间分布准独立性为先验信息,进一步提出了一种元素点乘时空特征融合机制生成时空特征融合图,在增强目标与背景对比度的同时抑制了背景杂波与噪声,并可依据目标的运动状态自适应地切换检测模式,以适应静止的目标的检测。详尽的消融性测试、离线实验和实地测试均验证了此检测算法的准确性及实用性。2.同样针对远程低空空域小型无人机预警,本文基于数据驱动思想对自适应切换时空特征融合弱小目标检测算法进行了拓展,又提出了一种并行支持向量机时空特征融合弱小目标检测算法。首先,设计和提出了一种像素级局部时空特征描述子对弱小目标进行表征,使用支持向量机对经过标注的正负局部时空特征描述子进行训练,自动学习更优的时空特征融合机制,并避免了后期的人工二值化阈值设计方法对弱小目标检测的影响;为加快检测速度,本文进一步将线性的支持向量重构成了适合GPU并行运算的三维卷积核,从而实现了快速高效的并行支持向量机分类预测。实验表明,此算法可实现更优的弱小目标检测性能,在实际应用中对检测性能的提升成效显著。3.针对中近程近地复杂背景下的小型无人机监测,本文采用高清云台摄像机对所负责的监测区域进行定点巡航扫描,并提出了一种适用于云台摄像机动态扫描状态的自适应闭环检测与跟踪算法,包含检测与跟踪两种模式,并通过一种自适应检测-跟踪切换机制将检测模式与跟踪模式有机结合在一个闭环框架中。具体地,在检测模式下,设计了一种基于运动背景补偿的运动目标检测算法来提取分类候选区域,然后利用基于神经网络结构搜索得到的轻量级卷积神经网络对候选区域进行分类识别,可在不缩小高清视频图像的条件下实现无人机检测;在跟踪模式下,提出了一种基于背景补偿和卡尔曼滤波的局部搜索区域重定位策略改进了核相关滤波跟踪算法,使之在高清云台伺服追踪过程中仍能对目标进行快速稳定的跟踪;为将检测模式与跟踪模式结合在闭环框架中提出了一种基于检测概率和跟踪响应图状态的自适应检测-跟踪切换机制。实验表明,此算法可应用于定点巡航状态的高清云台摄像机,实现中近程近地复杂动态背景中无人机的实时准确检测、识别与快速跟踪。4.为实现分层次全方位反无人机监测,本文研发了一个多摄像机协作智能反无人机视觉监测系统,可协同实现远程预警与中近程检测、识别与跟踪等多项任务。对于远程广阔空域,系统使用广角摄像机对弱小疑似目标进行检测,继而通过多目标关联生成疑似目标轨迹,根据轨迹威胁度的优先级引导事先已配准的高清细节云台摄像机使用基于Yolov4的目标检测算法对疑似目标进行再确认,并通过比例-微分云台伺服控制对无人机进行持续的追踪,解决单个光学传感器无法同时兼顾广角监测和远距离目标清晰成像的问题。同时,系统使用空闲高清云台摄像机对中近程近地区域进行巡航扫描,采用自适应闭环检测与跟踪算法对近地复杂背景中的无人机进行检测与跟踪。实验与运行结果显示此系统可对不同环境下的无人机进行远、中、近不同层次全方位的准确检测与快速跟踪。最后进行了全文总结和对未来研究工作的展望。