宋世奇, 李 旭, 祝雪芬, 杨 峰, 武文翀, 吴琳琦

(1.东南大学 仪器科学与工程学院，江苏 南京 210096； 2.交通运输部路网监测与应急处置中心，北京 100020；3.浙江大华技术股份有限公司，浙江 杭州 310000)

0 引 言

随着我国汽车保有量的爆发性增长，加之我国道路交通状况复杂，致使交通拥堵和交通事故频发。为了解决上述问题，智能交通系统的有关研究受到了各界学者的广泛关注[1]。其中，准确实时地对城市道路中车辆进行检测是构建智能交通系统必不可少的重要环节。然而，在固定位置安装视觉传感器对道路交通中车辆进行检测的传统方法覆盖范围小，灵活性差，且成本较高。随着无人机技术的不断提升，基于无人机搭载视觉传感器对道路车辆检测研究成为近年来的研究热点[2～4]。与固定位置安装摄像头相比，无人机航拍可提供更大视角，更广覆盖范围，且具有更高灵活性，可应用在关键道路区域和突发交通场景，但充分

发挥无人机航拍的大视野和高度灵活性优势的同时，该视角下的大部分具有稀少特征点的小尺度车辆目标以及快速性要求也为车辆的准确、实时检测带来了挑战。

目前，国内外针对于无人机航拍视角下常用的车辆检测方法可分为三类：基于运动目标检测、人工特征加传统机器学习以及深度学习的方法。基于运动目标检测的方法具体主要有背景差法[5]、侦差法[5,6]和光流法[7]，该类方法实现简单，但对背景变化高度敏感、对于低速行驶及小尺度车辆识别困难；……