隨著人們生活水平的提高，汽車數(shù)量的激增為我們的工作生活帶來了極大便利，同時也為現(xiàn)有交通管理帶來了許多問題。因此智能交通日漸成為加強交通管理、改善交通狀況的手段之一。道路上車輛位置及數(shù)量的檢測便是其中的內(nèi)容之一。目前對于實現(xiàn)重點路段、停車場等場合車輛監(jiān)測的主要手段是在各路段安裝攝像頭進行電子拍攝，但這種方法并不能精確地提供關(guān)于交通車輛的位置及數(shù)量的準確數(shù)據(jù)。同時監(jiān)控攝像頭在現(xiàn)有交通中雖然已完備架設(shè)，但不能自由選擇角度檢測，故存在大量的監(jiān)控盲區(qū)?；?a href='http://m.makelele.cn/v/tag/12732/' target='_blank' class='arckwlink_none'>無人機體積小、熏量輕、攜帶方便、圖傳清晰等一系列優(yōu)點，針對現(xiàn)有交通監(jiān)控中的不足，本文提出了應(yīng)用無人機航拍技術(shù)實現(xiàn)對特殊時段，覃點路段的車輛數(shù)量統(tǒng)計及在視頻中位置的檢測，彌補現(xiàn)有交通監(jiān)控管理中的不足。實現(xiàn)對航拍視頻進行車輛檢測的算法有基于SIFT算法的運動目標(biāo)檢測算法，基于塊分割創(chuàng)建背景，應(yīng)用背景差分進行運動目標(biāo)檢測算法。以上兩種方法實現(xiàn)了移動目標(biāo)的檢測，由于航拍視頻具有場景復(fù)雜，目標(biāo)多樣的特點，對于車輛精準檢測，以上兩種方法并不能達到理想效果，誤檢與漏檢也比較嚴重。另外還有基于SVM（支持向量機）和OCR人工神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測萬法一，這種方法彌補了以上兩種算法的不足。由于SVM支持對于較少數(shù)據(jù)量的訓(xùn)練，無需另構(gòu)特征，對于多樣性車輛檢測存在一定不足。

　　近年來，隨著硬件系統(tǒng)的更新?lián)Q代，深度學(xué)習(xí)算法得到了飛速的發(fā)展。深度學(xué)習(xí)是在多層神經(jīng)網(wǎng)絡(luò)上運用各種機器學(xué)習(xí)算法解決圖像，文本等各種問題的算法集合。在圖像處理中比傳統(tǒng)算法以及人工神經(jīng)網(wǎng)絡(luò)有更高效，精確的優(yōu)勢。所以本文中采用了深度學(xué)習(xí)算法實現(xiàn)車輛檢測功能。