随着科学技术和多旋翼无人机关键技术的发展,多旋翼无人机在21世纪初迎来高速成长期,并逐步从军用领域扩展到了民用领域,它们在国防军事、遥感测绘、农业、搜救、娱乐、物流、新闻等各个领域得到了广泛的应用。无人机的广泛应用给人们生活带来便利的同时,也带来了一些新的安全问题,例如多旋翼无人机对机场、铁路造成的治安问题,以及无人机带来的窥视隐私、运送货物掉落、走私毒品等一系列不安全问题。基于多旋翼无人机带来的安全问题,无人机识别和检测技术具有广泛的应用前景,因此本文提出了一种基于深度学习的无人机检测方法。本文主要围绕识别和检测多旋翼无人机进行研究。文章首先对现阶段物体检测方法对多旋翼无人机识别能力差、检测不准确等问题进行分析,然后针对现有方法提出一些改进意见以及搭建一个无人机识别系统的。本论文主要工作包括:(1)简要的介绍物体检测的国内外发展现状,传统物体检测到基于深度神经网络物体检测的技术发展,传统算法与神经网络算法的优劣,以及深度神经网络的相关理论知识,为后续研究提供了理论基础。(2)论文研究了残差学习机制和特征金字塔的结构和原理,根据这些理论我们设计出新型卷积神经网络,即深度多联式网络,并详细介绍了该网络模型的组成和训练方法。通过与现阶段算法的对比试验,实验证明了论文设计的网络模型能充分融合上下文信息,提升物体检测精度。(3)论文阐述了SSD检测网络的原理和结构,分析了SSD检测网络的优势和不足,并针对SSD网络的不足改进了SSD检测网络,提升了检测效率,通过实验证明了,论文的改进有效的提升了物体检测速度和精度。(4)针对现阶段无人机检测系统检测效果差,检测时出现漏帧、掉帧等缺点,论文基于前面得到的研究成果,搭建了一个基于深度卷积神经网络的多旋翼无人机识别系统,通过系统的测试和分析,本系统达到了设计要求,实现了高精度、高效率地识别和检测无人机。