电动汽车的发展有助于减少碳排放和环境污染,道路上电动汽车与燃油汽车的数量和比例有助于政府掌握情况、辅助电动汽车充电桩的布设以及研究汽车排放对城市环境的影响。由于混合动力汽车的存在以及其它一些原因导致基于可见光的电动汽车和燃油汽车识别方法存在较大的缺陷,以小型汽车为例,本文提出使用无人机热红外遥感成像对道路上的电动汽车与燃油汽车进行识别。使用无人机搭载双光热红外传感器以倾斜的方式对道路上的车辆目标尾部进行成像,经过预处理生成数据集影像,数据集标注时根据汽车尾部热流建立目视解译规则对电动汽车与燃油汽车进行区分,在标注时采用借助目标追踪算法进行目标位置更新的半自动标注方法以提高标注效率,该标注方法能应用于其他相似场景的标注过程,经过以上步骤生成热红外灰度数据集。利用和热红外数据同时获取的可见光影像与热红外影像进行数据融合制作得到热红外-可见光融合数据集。从热红外原始数据中导出温度数据并重建为影像,制作得到热红外温度数据集。这三个数据集共享同样的标注文件,区别在于影像不同,制作的三个数据集将用于后续的实验过程。对我们提出的半自动的标注方法和STC目标追踪源代码方法进行对比,结果表明我们的算法具有最高的Io U精度。对热红外灰度数据集使用YOLOv5和SSD算法进行识别,m AP结果达到了0.99。热红外-可见光融合数据集的实验表明其对于电动汽车和燃油汽车识别的准确率降低了,但是对于小目标的召回率更高,证明热红外影像融合可见光影像不一定会提高准确度,但是可以通过分辨率的提高从而提高小目标的检测精度。采用热红外温度数据集并且不进行颜色增强,发现训练得到的模型对温度具有一定敏感性。使用训练好的模型对道路上的电动汽车与燃油汽车进行识别,借助目标追踪算法进行统计,得到不同时段的电动汽车比例数据,一定程度反映了电动汽车群体的出行时间规律,说明了本研究还具有潜在的应用前景。