近年来,我国面临着错综复杂的国家安全形势,防空的任务愈加繁重,防空预警和反制更加困难,因此,一系列新式地空武器系统开始列装部队,在训练和教学中,若完全采用传统实弹训练方式,不仅不利于针对性的训练和提高,也不符合军费效能最大化利用的实际需求。因此研制配套训练系统,对针对性训练和节省军费开支具有较强的现实意义。在训练过程中,训练操作指令触发和训练成绩的评估均基于飞机目标的检测,针对低空飞机目标,由移动摄像机获取天空画面,通过视频处理技术进行目标的检测、识别与跟踪。具体研究可分为如下四部分:（1）运动目标检测。摄像机运动会引起视频画面的背景运动,传统目标检测方法难以将运动目标准确提取,本文提出了基于区域评分和运动补偿的方法进行运动目标检测,并提出了基于HSI（色调、饱和度、亮度）颜色空间和运动一致性的碎片整合方法,通过与其他算法对比,在多云和半空背景下本文算法检测准确度改善明显。（2）目标类型识别。在运动目标检测的基础上,近一步对运动目标类型进行识别,本文首先对基于候选区域的R-CNN（区域卷积神经网络）系列算法和基于回归的YOLO（You Only Look Once）系列算法进行分析,然后针对小目标识别的需求,对YOLO V3进行改进,主要表现在基于更大尺度的特征图进行目标检测,并且在检测网络中引入残差网络。建立飞机目标数据集,训练改进网络,通过对改进YOLO V3,未改进YOLO V3,Faster R-CNN算法进行实验对比,结果表明,相比未改进前单帧耗时略有增加,但改进后的网络对小目标的识别能力提升明显。（3）目标跟踪。由于运动目标检测和目标识别算法的单帧处理速度难以满足实时性要求,需要跟踪算法替代部分检测识别工作,本文通过对DSST（区分尺度空间跟踪器）、KCF（核相关滤波）、TLD（学习检测跟踪）、Camshift（连续自适应均值漂移）跟踪进行对比实验,结果表明,DSST算法单目标跟踪帧率可达到95FPS以上,能够适应目标的尺度变化。（4）系统集成。首先介绍了系统集成思路和框架,主要思路是以少数帧的检测识别结果创建跟踪器对后续序列进行目标跟踪,达到提升整体处理速度的目的。主要包括跟踪目标获取,跟踪器创建与更新,离开目标跟踪器删除,飞行趋势判别等,实验结果表明集成系统的检测准确率达81%以上,处理帧率在18～35FPS之间,基本满足实时性要求。