近年来,由于无人机机动性以及目标检测技术越来越成熟的发展,旋翼无人机已经被广泛应用在民事、安保、警用及军事等领域。由于旋翼无人机在执行任务时不易被发现的优点,容易被不法分子用来危害社会、盗取国家机密,影响社会安全。本文对实时检测空中旋翼无人机的方法进行了研究,并主要对如何从视频数据中提取处于悬浮状态和巡航状态的旋翼无人机的兴趣区域进行了研究。本文的主要工作为:1、对基于帧间差分法、高斯背景模型和光流法等视频目标检测算法、基于滑动窗口检测的图像检测算法、图像分割结合分类器等兴趣区域检测算法以及HOG、LBP等特征提取算法和SVM、随机森林等分类器模型进行实验,从时间、检测结果以及对计算机硬件的需求等方面对各算法的检测效果进行对比,获得检测旋翼无人机的系统方案。2、对处于运动状态下的旋翼无人机的飞行特性作出总结,针对旋翼无人机有悬浮和巡航两种运动状态以及传统的兴趣区域提取算法在该场景下工作的局限性问题,对提取兴趣区域的算法进行了研究及实验对比,作出了总结。3、考虑到非合作无人机距离摄像头的远近情况、在摄像头里呈现的角度位置的不一致性、复杂的背景以及它可能处于运动或悬停状态,容易使拍摄视频中的旋翼无人机在大小、形状等方面发生轻微形变的问题,采用分类器分类的方法,能够提取到旋翼无人机鲁棒性能好的特征,避免了因无人机轻微形变影响检测结果的情况。4、针对既要提取悬浮状态又要提取巡航状态下的非合作旋翼无人机的兴趣区域的问题,采用结合帧间差分和改进的选择性搜索算法作为分割兴趣区域的方法。课题先通过形态学处理后的帧间差分图像结合连通区域标记法分割出灰度视频的兴趣区域;再利用改进的选择性搜索方法分割出帧图像的兴趣区域;最后将使用两种方法提取到的兴趣区域结合起来形成兴趣区域集。5、本文的检测算法首先是对图像进行中值滤波以及自适应直方图均衡化的预处理,接着分别用HOG-FLD特征描述正负样本集,进而训练出能够识别旋翼无人机的SVM二分类模型,最后将获取的兴趣区域集送入二分类模型里进行特征匹配。实验结果表明,本文设计的检测算法能够快速、准确地检测到处于静态或动态背景视频下的旋翼无人机,满足了实时性和查准率的要求。