随着全球经济的快速发展,人们的生活水平越来越高,全球的汽车保有量急剧增长。虽然汽车的普及给人们的出行带来了方便,但也随之引发出一系列问题,比如交通堵塞越来越严重,交通事故发生频率越来越高。为了解决这些问题,智能交通系统(ITS)伴随而生。车辆检测是ITS中最为基础并且最为关键的技术之一,对于ITS的发展起着至关重要的作用。目前大多数车辆检测算法都是基于固定的道路监控摄像头,固定的摄像头存在灵活性差、视野局限并且安装成本较高等弊端。无人机有着较高的灵活性,可以很好得应用到ITS当中,例如在紧急情况下帮助监控一些未设置监控摄像头的区域。因此,基于航拍的车辆检测技术引起了广泛的关注。本文对基于无人机交通视频的车辆检测技术进行研究与分析,主要完成的工作如下:(1)提出了一个融合多层CNN特征的车辆检测网络。网络将不同层次的CNN特征融合在一起,并通过自主学习的方式对融合后的所有特征通道进行加权,较大提升了网络的检测效果。通过在无人机交通视频上进行多个实验对比之后,验证了本文所提出的车辆检测网络相比已有的其它车辆检测方法具有相对较好的检测结果。(2)针对无人机交通视频中的车辆检测问题,结合上述所提出的基于加权CNN特征融合的车辆检测网络,提出了两种优化方式。一是利用分数重标定,找回部分因得分较低而被过滤掉的目标;二是把车辆跟踪与检测相融合,互为补充,可有效提升视频车辆检测的速度与效果。通过在无人机视频数据集上的对比实验证明,这两种优化方法都可以有效提升视频车辆检测的效果。此外,针对无人机交通视频分析,我们自行采集了一个数据集,数据集包含了 50段由无人机拍摄的交通视频,用于验证所提出的车辆检测网络及其优化方法的有效性和准确性。