交通问题是世界各国面临的共同难题,交通流量检测是智能交通系统中极为重要的一部分。传统交通流量检测手段均存在一定缺点,当前基于视频图像序列的交通流量检测是交通监测的主要研究方向之一。本文主要研究利用机动灵活的无人机平台对道路进行航拍,通过航拍视频图像中的车辆检测跟踪算法实现交通流量的检测。针对无人机航拍视频图像采集系统对中国华北地区几个不同地方的道路多次采集的视频图像,结合当前交通流量监测需求,提出一种基于无人机航拍道路的路段交通流量检测算法。针对航拍图像成像质量存在的问题进行图像增强、旋转校正等预处理;提出一种基于HSV颜色空间和道路纹理特性的区域生长的算法来分割道路区域,减小大视场航拍图像检测跟踪时的搜索区域和误差;为了消除车辆的帧间重复计数问题和减少运算量,提出了基于卡尔曼滤波估计和基于金字塔的模板匹配来实现车辆的跟踪计数,得到路段交通流量。实验结果表明,算法对车辆检测准确率达88.55%。结合地面上浮动车法观测方法,提出一种基于航拍视频图像的浮动车法交通流量检测算法,通过旋翼无人机飞行多个来回拍摄同一道路模拟地面浮动车法数据采集过程,利用卡尔曼滤波与模板匹配的车辆检测跟踪计数算法实现基于航拍图像的浮动车法观测中的车辆运动状态属性判断。实验结果表明与道路断面流量相比,基于航拍视频图像的浮动车法交通流量检测算法对交通流量检测的准确率达87.7%。针对航拍视频图像中光照变化、亮度、阴影等带来的车辆检测问题,研究一种基于Faster-Rcnn网络的航拍车辆检测算法。由于目前无人机航拍系统拍摄的视频图像数据量小且车辆类别不均衡,先对车辆图像数据集扩增之后再标注制作PASCAL VOC数据集用于模型训练;结合航拍图像中的车辆特征,利用Resnet50网络提取车辆特征并生成车辆候选区域,对候选区域分类回归最终实现车辆的分类检测。实验结果表明训练的模型检测平均准确率达93%。