随着时代的发展,海上搜救作为保障人民生命财产安全、维护海上贸易有序开展的有力保障措施也越来越受到人们的重视。由于现阶段存在海上搜救设备陈旧、过于依赖人力、搜救效率不高的问题,在行动中难以保障搜救人员自身的安全性。因此如何提高搜救效率的同时减低搜救成本成为现阶段海上搜救面临的一大难题。为了解决这个问题,各国积极研究发展空海协同无人搜救体系来替代有人搜救体系,其中的关键技术——对遇险目标的图像识别技术也成为了目前海上搜救研究领域的热点。设计了一种空海协同无人搜救方案,提出了岸基-无人艇-无人机的空海协同无人搜救系统结构,基于《国家海上搜救应急预案》优化设计了空海协同无人搜救总流程。针对总流程中的应急救援行动部分,设计了四种空海协同无人搜救方法。对于无人搜救行动阶段的实施流程进行了详细的设计。对于搜救行动中的目标检测,以实地拍摄的方式建立了落水人群可见光与红外数据集,设计了一种数据增强算法来解决数据集图片不足的问题,扩充了数据集。选用FasterRCNN、YOLOv5、YOLOX这三种算法,分别在原数据集和数据增强后的数据集上进行对比实验,结果证明本文设计的数据增强技术能够有效解决小样本数据集数据量和多样性不足的问题,对各算法的性能也有一定的提升。最终选择YOLOXs算法作为本文后续的优化基础算法。采用添加注意力机制的方法改进YOLOXs目标检测算法,选择SENET、CBAM、CA三种注意力机制作为改进方法,设计了在BACKBONE添加注意力机制和在NECK添加注意力机制两种网络结构方案。通过在数据集上的实验比对和特征图可视化分析,发现在BACKBONE部位添加CA注意力机制的方案（YOLOXs-CA）优化效果最好。设计了融合Swin Transformer Block的C3STR模块,基于YOLOXs-CA提出了添加Swin Transformer Block模块的YOLOXs网络结构（YOLOXs-CA-C3STR）。对比原版YOLOXs、YOLOXs-CA在训练集、测试集上的性能指标以及各算法在多种情况下的目标检测效果,证明YOLOXs-CA-C3STR算法检测性能有明显提升,在检测效果上也有着更高的目标检测置信度以及更强的抗干扰能力。综上,本文提出了一种空海协同无人搜救方案,建立了落水人群图像数据集,设计了基于注意力机制和Swin Transformer的优化目标检测算法,相关算法能够为海上遇险目标的搜救提供一定的参考。