张 智，郑 锦

(1.中国民航大学 计算机科学与技术学院，天津 300300；2.北京航空航天大学 计算机学院，北京 100191)

相较于传统的固定视角监控视频，无人机视频具有视角灵活、时效性强、监视范围广等优点，使得无人机监控市场在近些年得到迅猛发展。如何有效利用无人机视频的优点，成为智能监控的重要环节。其中，无人机视频中车辆检测作为智能监控的基础，同时也是计算机视觉的热点方向之一，被国内外研究者所关注。目前，无人机视频目标检测算法大致可以分为两类：一类是单帧无人机图像目标检测，该类方法使用通用目标检测网络对无人机视频中的每一帧进行特定目标的检测；另一类是视频目标检测，该类方法利用视频帧间的运动和时序信息，对视频中的特定目标进行检测。

在单帧无人机图像目标检测方法的研究中，LI等[1]借鉴基于区域候选网络的实时目标检测(Faster-Rcnn)[2]来提升无人机图像中车辆检测的精度。文献[3]通过改进单阶段多候选框目标检测(SSD)[4]，并结合基于焦点损失的密集目标检测(Focal loss)[5]来实现无人机图像中目标的快速检测。文献[6-7]通过使用Yolov 3[8]的变体来实现无人机图像中目标的快速检测。这一类方法在单帧无人机图像中优势明显，但是当目标存在遮挡时容易漏检。此外，将单帧无人机图像检测器直接应用于视频检测时，由于无人机和车辆两者的运动会导致目标光照、视角发生变化，使得同一目标在连续帧中检测的置信度变化较大，甚至出现部分帧目标的漏检，即检测框“闪烁”现象。……