随着汽车保有量的不断增加,交通拥堵日益严重,交通事故频发,为了解决这些交通难题,缓解交通压力,智能交通系统应运而生。车辆的检测和跟踪技术是智能交通系统的前提和基础,已经成为研究的重点之一。目前,智能交通系统大多使用传统的固定摄像头采集交通数据,但固定摄像头安装成本较高,拍摄角度不可随时调整,灵活性差。同时,在隧道、偏远山区这类没有摄像头的地区、地震火灾等应急疏散撤离场景中,传统的固定摄像头就没办法获得及时的交通数据。相比于传统固定摄像头的交通数据采集方式,无人机航拍具有灵活性高、覆盖范围广、成本较低、使用方便等优点。因此,本文使用无人机航拍的方式替代传统的固定摄像头进行交通信息采集,研究无人机航拍视频中的车辆检测与跟踪方法。首先,针对无人机航拍视频的运动偏转问题,本文提出了一种基于SURF的无人机图像配准算法。实验证明,图像的平均配准率达到90%。其次,提出了一种基于Faster-RCNN的无人机航拍视频中的车辆检测深度学习算法,分别采用76、86、96m不同高度,双向路口、三叉路口、十字路口、环岛不同路口进行实验。实验结果表明,高度的变化,路口的变换不影响该算法的有效性。最后,基于车辆检测结果,提出了基于Kalman滤波的无人机车辆跟踪算法。实验结果表明,不同的高度,不同的路口的无人机视频,该算法都表现出良好的跟踪效果。