随着无人机研发技术日益成熟,无人机在民用领域各行业的应用开发逐渐成为热门的研究课题。无人机具有低成本、易部署、高机动性、大视角范围和统一尺度等优势,可广泛应用于交通监控和交通信息采集。本文综合考虑无人机在交通视频采集过程中具有悬停、巡航不同的飞行状态,针对无人机视频图像的特性,设计开发了基于无人机视频的运动车辆检测算法,并与帧差法、混合高斯算法、光流法等多种运动目标检测算法进行对比研究,最后通过实验证明了本文算法检测精度较高,并能满足实时应用的需要。本文的主要研究内容如下:(1)本文分析了无人机的发展前景和行业应用的开发优势,总结了无人机在交通领域的应用研究现状,详细归纳了相关运动平台视频目标检测技术和图像处理技术,并对基于视频的运动目标检测的主流算法进行了详细分析。(2)在考虑了无人机悬停和巡航不同飞行状态下视频处理需求的基础上,开发了基于无人机视频的运动车辆检测算法,实现过程分为:①设置感兴趣区域选择运动车辆检测的范围;②引入ViBe背景更新算法进行运动前景区域提取,改进了ViBe算法使用固定阈值和存在鬼影问题的缺陷,提高了算法对无人机视频运动目标检测的效果;③通过形态学优化处理和车辆目标识别完成了运动车辆的检测。(3)通过定性、定量的实验分析,将帧差法、混合高斯算法和光流法三种主流的运动目标检测算法与本文算法进行了比较,证明本文算法在无人机悬停和巡航状态下均具有较高检测精度(90.25%)和实时的计算速度(42.69fps),能够有效地进行基于无人机视频的运动车辆检测,实现实时应用。本研究对于丰富基于无人机视频的车辆检测和交通信息采集方法具有重要的参考意义,有助于无人机在交通领域应用的推广。