无人机视频监控系统灵活性强、覆盖面广、观测结果好,目前已经广泛应用于民用的社会应急事件监测、视频行为分析与处理等领域中。由于无人机高空拍摄的视频图像背景复杂、难以体现人脸的具体细节以及人工设计特征的局限性,传统目标检测方法已经无法满足无人机视频图像中的人脸检测要求。因此,本文将利用卷积神经网络,首先以人体作为检测对象,在二阶检测网络的基础上,对无人机视频图像中的人体检测算法进行改进,从而先实现人体目标的定位。然后,再以人脸为检测对象,研究人脸检测与人脸特征点定位方法,从而完成无人机系统下视频图像的人脸检测。论文主要工作反映如下:(1)无人机视频系统下的人体检测改进方法研究。针对无人机航拍视频图像场景大、变化多、小目标较多的特点,对二阶检测网络Faster R-CNN进行了改进,用于提高人体检测性能。首先,为了小目标能匹配更多的Anchor boxes从而得到充分地训练,在区域建议网络中增加了两种更小尺寸的面积。其次,利用步长为1,卷积核数目为512的1×1卷积,将特征提取网络输出的特征图通道数由2048降至512,达到降低RoI池化部分计算复杂度的目的。接着,针对目标间距离较近或目标间发生轻微重叠的情况,引入量化算法更精准的RoIAlign,解决因RoIPool引起的不匹配问题。最后,在训练过程中,采取微调策略加速训练过程,采用在线困难样本挖掘的训练方式筛选困难样本,提高检测性能。实验结果表明,本文提出的人体检测网络在WILDTRACK和自建无人机数据集中的人体检测平均精度均高于经典的通用目标检测网络,分别达到了79.77%和83.95%。(2)无人机视频系统下的人脸检测改进方法研究。针对密集人群中由于人脸间互相遮挡造成漏检的问题,改进了非极大值抑制的分数重置函数,降低了人脸的漏检率。再将改进后的非极大值抑制应用到级联的人脸检测网络MTCNN中。在训练过程中,利用目前较为困难的训练集,对检测网络进行训练学习。采用线下困难样本挖掘的训练方式,将上一级错分的样本与初始训练集一起作为下一级的训练集,以提高人脸检测性能。在WIDER FACE与FDDB数据集中的人脸检测性能对比实验结果表明,改进后的人脸检测方法不仅模型设计结构小,而且平均检测精度高,在3种不同难度的WIDER FACE验证集上的人脸平均检测精度分别达到了84.8%、82.7%和62.4%,能够较好地完成无人机视频系统下的人脸检测。