近年来,随着低空空域的逐渐开放,无人机逐渐从军用领域逐渐扩展到民用领域,在带来便利的同时,也导致了“黑飞”、“滥飞”事件的频发,严重危害公共安全和个人隐私。因此,对低空空域无人机入侵检测的研究在反恐、治安管控、安全生产方面具有重要意义。本文对基于视觉的无人机检测技术进行了较为深入的研究,提出了一种基于天空区域的无人机检测方法,并按摄像机的运动状态分为静态场景的无人机检测和动态场景的无人机检测。本文的研究内容包括:1.静态场景的无人机检测:静态场景下常用帧间差分法、光流法、背景差分法等对运动目标进行检测。本文先根据天空区域的灰度平坦、面积大、亮度高等特点,采用基于边缘检测的图像分割算法和行列扫描法对图像进行分割,得到天空区域的最小外接矩形;之后通过运动目标检测算法对矩形框内的天空区域进行无人机检测。基于系统的可行性考虑,本文采用Simulink搭建仿真系统进行实验验证,结果显示本文方法可有效提高无人机检测的精确率,解决地面运动目标带来的误检问题。2.动态场景的目标检测:动态场景目标检测方法有背景补偿、机器学习、深度学习等。为了实现无人机的智能监控,本文首先构建了基于全卷积网络的天空区域分割网络,实现了天空区域像素级别的分割;然后构建了基于FastBox的无人机检测网络,实现了无人机的准确检测。实验结果表明,基于深度学习的天空区域分割网络和无人机检测网络能够准确地实现对天空区域的分割和无人机的检测,并且满足实时性需求。最后,开展了天空区域和无人机检测网络的融合研究,通过共享卷积提取特征,并在深度特征图后连接天空区域和无人机检测网络,最终在一个模型中,实现天空区域和无人机的同时检测。