本文通过视觉无人机在空域按一定航线巡逻飞行,针对车辆轧实线与违章越实线这两种场景进行识别,并检测出违章车辆的车牌号,相比交通系统中的传统违章识别技术,在违章轧线与越线识别的准确性和实时性上都有更好的效果,为交通监控管理提供了一种高效、灵活机动的监测模式。首先,针对车辆轧线识别,对运动车辆进行目标检测,经典的目标检测算法无法适用于无人机航拍路面不断变化的场景,故选择基于YOLOv3(You Only Look Once verson 3)检测算法,通过无人机收集车辆数据,使用显卡进行训练得到车辆检测模型。再使用传统图像处理的方法结合相邻角度平均算法得到车道实线。之后通过车辆检测框对角线与车道实线构建轧线数学模型判断车辆是否轧线。实验结果表明,相比传统的车辆轧线识别算法,本文使用的车辆轧线识别算法具有更高的识别精度。其次,根据车辆轧线识别结果判断车辆是否违章越实线,通过车辆轧线触发DeepSort(Simple Online and Realtime Tracking with a Deep association metric)算法对轧线车辆进行跟踪,轧线前的车辆与轧线时的车辆通过尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)进行匹配,匹配度高的车辆赋予相同的ID,之后比较同一辆车轧线前后的第20帧图像,通过该车辆中心与所轧车道线之间连接的向量方向判断该车是否违章越线。实验结果表明,相比传统越线识别方法,本文的越线识别方法具有更高的准确率。最后,为了识别违章车辆车牌,先定位出车牌的精确位置,再通过基于纹理方向场的车牌倾斜校正方法对无人机拍摄视角下的车牌进行修正,使用基于卷积神经网络结合门循环单元(Gate Recurrent Unit,GRU)对车牌字符进行识别。实验结果表明,在飞行高度小于8米以及飞行水平线夹角小于60度的场景下,无人机的车牌识别准确率较高。