无人机运动时往往会导致跟踪轨迹中断和外观特征混淆。提出一种基于特征分离的无人机多目标跟踪方法。针对运动轨迹中断问题，提出了一种自适应卡尔曼滤波算法，基于图像配准算法计算连续两帧图像的仿射变换矩阵，在卡尔曼滤波的预测阶段之前及时修正状态变量，使得轨迹更新过程更加平滑。针对外观特征混淆问题，设计了一种高效的多分类目标特征编码器，通过多尺度卷积流和通道门控机制学习每个目标的辨别性特征。加权运动代价和外观代价，利用匈牙利算法求解轨迹与检测目标的全局匹配关系。在广泛使用的无人机多目标跟踪数据集VisDrone2019-MOT上进行实验验证，结果表明，该方法在多目标跟踪准确度(multiple object tracking accuracy, MOTA)和轨迹识别F1分数(identification F1-Score, IDF1)指标上比目前最优方法UAVMOT分别提高8.1%和11.2%,验证了该方法的有效性。