近年来,随着全球汽车数量的急剧增加,人们对交通监控的灵活性提出了更高的要求,基于航拍的车辆检测技术得到了广泛关注。目前车辆检测仍然存在阴影检测效果不理想、背景更新困难等问题。本文针对上述问题展开研究,并设计了一套基于无人机航拍的车辆检测系统。本文设计的检测系统依据航拍车辆的不同运动状态选择不同的检测方法:当车辆处于运动状态时,选择改进的背景差与帧差融合方法;当车辆处于静止状态时,选择基于改进的特征学习方法,系统通过不同场景下更换相应的检测方法来提高正检率。针对大津阈值去除车辆阴影不理想的问题提出了改进方案,采用两次自适应阈值分割运动目标与阴影,对不同的阴影检测方法进行实验对比,得出改进后的方法能够更有效地去除车辆阴影的结论。针对车辆运动过程中,背景差和帧差法存在的缺陷提出改进融合方法,将背景图像和帧间差分图像按照一定的规则进行融合处理,通过实验对比证明,改进的算法能够提高系统正检率。针对航拍车辆的外观特点,在基于特征学习的检测方法中提出了三组共七个新的矩形特征,利用Adaboost训练方法对原有和新增的矩形特征库分别训练分类器。通过对比分析不同分类器的测试结果,证明新增的矩形特征可以有效降低系统的误检率。最后,开发了实时航拍检测系统的手持终端应用程序,实现基于航拍视频图像的车辆检测。