利用强化学习制定多智能体的移动群智感知策略是学术界普遍采用的技术手段，但是其普遍存在训练过程不加处理地利用所有智能体的状态和动作信息，学习更新效率较低，且对被采集对象重要程度的差异性缺少考虑等问题。本文以指挥员-无人机主从协作场景为研究对象，提出了一种基于匹配博弈和通信机制的主从协作群智感知算法。首先，通过引入Gale-shapely匹配博弈算法思想，建立无人机能量属性与待采集目标数据质量属性之间的最优稳定匹配，实现基于数据重要程度优先的采集策略。为保证无人机对高质量目标的持续特定关注，本文结合了当前较为流行的通信规则型多智能体强化学习算法MAAC(Multi-Actor-Attention-Critic)框架，引入了多注意力机制模块，实现了数据采集过程中主-从智能体间高效的信息交流与共享。实验表明，我们提出的c-MGCM(Crowd-sensing Method based on Matching Game and Communication Mechanism)方法在奖励值、匹配对的距离值等多个评价指标上都优于MADDPG(Multi-agent Deep Deterministic Policy Gradient)、DDPG(deep Deterministic Policy Gradient)等经典算法，在奖励值方面有2～3倍的提升，在数据质量方面有至少14%的提升。该结果表明了cMGCM方法的高效性和稳定性。