空对地视频交通监控以其直观、方便和价格低廉等特点,日益受到智能交通领域研究者的高度重视。其核心在于使用安装在无人机等浮空平台上的摄像机感知交通场景,通过关键技术的研发,检测出地面运动车辆等交通对象,并估计它们的运动状况,从而达到智能化道路交通管理、减少交通事故的目的。显然,低空对地运动车辆检测是一个动态视觉监控系统,与一般的静态视频监控相比,检测平台和检测对象的动态性、场景的实时变化性,都使得低空对地运动车辆的检测与运动特性分析成为目前公认的一个技术难题。本文针对低空对地运动车辆视觉监控中出现的技术难题,首先提出了一种新的运动车辆特征表示与提取方法bLPS-HOG;然后利用线性SVM分类来实现对运动车辆的高效检测;最后提出了基于颜色和空间相似度计算的运动分析方法,在检测出运动车辆的基础上得到运动车辆的运动轨迹。本文完成的具体工作主要分为如下三个方面:1)针对低空平台的高动态特性导致运动车辆有效特征难以提取的问题,提出了一种针对运动车辆的新的特征表示与提取方法bLPS-HOG。该方法首先利用局部采样和金字塔采样,针对不同大小的特征块计算得到象素梯度值,并通过直方图统计方法得到每个方向块值;然后将每个方向块对应值表示成一个弱分类器;最后针对每个特征块训练得到一个强分类器,这个强分类器的输出结果即为对应的bLPS-HOG特征值。该方法能有效获得车辆的局部和全局特征信息,达到更好的检测性能。2)针对空对地平台下用于运动车辆检测的样本相对有限的情况,采用线性SVM方法进行运动车辆的分类。将提取的bLPS-HOG特征值作为SVM的特征向量,利用训练得到的SVM分类器进行运动车辆检测。该分类方法能在计算量较小的情况下有效地检测出运动车辆。3)针对城市交通环境下车辆运动特性难以准确获取的问题,提出了一种基于颜色和空间相似度的运动分析方法。该方法在运动车辆检测结果的基础上,通过计算连续两帧里检测窗口的HSV颜色直方图和空间相似度,获得同一运动车辆在不同帧里的位置信息,从而获得车辆的运动轨迹,并进一步提高检测效果。