随着视频技术日益发展,视频拼接的技术与应用也得到了长足地发展。目前,视频拼接算法大多针对于相机角度固定的场景,而对于非固定视角则面临计算复杂度高,无法实时处理等诸多问题。视频应用和人工智能的结合也成为了近期的研究热点。但和低空无人机结合,对航拍视频的目标检测,目前还没有具代表性的工作,且已有算法对于小物体的检测也无法获得高性能,对于信息提取的维度较为单一。为获得灵活视角、高质量的实时全景视频与多维度的目标信息,本文创造性地结合无人机平台,搭建指令交互控制系统,提出了新的在线、实时视频拼接算法,智能化目标检测和提取算法,用以完成对大视场下的视频数据分析。本文通过对多相机矩阵实时视频的研究,提出了利用信息熵优化角点的特征点提取步骤,多粒度算子的特征描述步骤,形成AFD(Auto-adapted Feature Detection自适应特征提取)和反馈ROI(Region Of Interest感兴趣区域)相结合的特征提取描述方法。同时针对多相机全景视频中,各相机视角的差异,以及飞行差异而导致视频抖动问题,提出了自适应帧间约束算法和幕布固定算法,结合无人机的飞控信息来优化视频质量。通过CPU-GPU异构处理算法,提高拼接算法的计算速度。对算法流程优化,提出两种拼接算法模式FrameStitch和SimpleStitch,对于两路720p的视频最快可以达到98fps的实时拼接速度。在无人机全景视频的应用上,本文引入了基于人工智能的目标检测算法。由于低空视角下物体的像素较少,检测的准确率难以保障,针对这一问题,通过对快速目标区域产生算法的研究,提出了VRPN-VAEN(Vehicle Region Proposal NetworkVehicle Attributes Extracting Network车辆候选区域生成网络-车辆属性提取网络)流水线型的端到端深度网络,融合了浅端像素信息和深层高维特征信息,得到了更精准的候选区域。此外,还提出了“循环学习率”的概念,提高了物体识别的准确率。并利用Postfilter(滤除网络)对错误检测进行优化。针对当前无人机视角结构化数据集缺失的现状,搜集和建立了供训练和测试用的顶视视角的数据集。并且为了弥补训练数据有限的情况,对数据进行裁剪、旋转,加入随机噪声,光照随机补偿等增广处理,以扩充数据集防止过拟合。通过实验对比,最终在检测和分类测试结果上表现良好。