利用无人机可以实现大范围的交通数据采集,且机动灵活,可以及时应对突发交通事故和拥堵路段,方便交通管理部门进行监测和管控,具有广阔的应用前景和巨大的经济价值,因此,本文对无人机平台下的车辆检测和跟踪算法进行了研究。研究内容包括以下几个方面:(1)无人机平台下的车辆检测算法研究。基于FaceBoxes网络模型分析改进,设计了一种无人机平台下的实时车辆检测方法。首先,基于多特征融合思想对网络结构进行重新设计,使得车辆预测可以包含更多的语义信息和特征细节信息。然后,基于车辆进行多尺度锚点设计,提高对不同车辆尺度和小目标车辆的适应性。最后,基于二值权重网络对算法进行时间优化。通过在航拍车辆数据集上进行实验,说明本文算法在无人机平台下具有较好的车辆检测精确度和实时性。(2)无人机平台下的车辆跟踪算法研究。在车辆检测的基础上,针对核相关滤波算法分析研究,设计了一种基于核相关滤波的车辆跟踪算法。首先,基于KCF算法建立车辆的状态估计模型,提出了状态估计可靠性判断方法,在核相关滤波状态估计不可靠时,利用车辆运动信息进行状态估计。其次,对车辆状态估计结果和改进的FaceBoxes网络的车辆检测结果进行数据关联,提出了多级数据关联策略。最后,设计了车辆运动轨迹更新策略,基于数据关联结果更新车辆运动轨迹和状态估计模型。通过在航拍车辆数据集上进行对比实验,说明本文算法在无人机平台下可以实时应用,并且具有较好的车辆跟踪精确度。(3)基于无人机平台的软件设计与实现。基于无人机平台开发了车辆检测和跟踪系统,实现了机载设备对航拍视频的实时车辆检测与跟踪处理,以及车流密度和车流量检测功能。同时移动端软件可以监测获取道路车辆的运动信息,并且控制机载软件的运行。