机动车保有量的大幅增长使城市交通拥堵和交通安全问题日益加剧,这些问题的产生与交通参与者的行为密切相关。对交通行为的理解可以有效帮助交通管理者分析拥堵和事故的成因,是城市交通治理的重要手段之一。现有的基于视频的交通行为理解技术一般以道路监控视频作为数据来源,与之相比,无人机航拍视频具有更大的视野覆盖范围和自上而下的拍摄视角,从中可以更加全面、准确地获取重点区域内的交通行为数据。本文研究了无人机视频场景下交通行为理解涉及的交通目标检测、交通目标跟踪、无人机机载相机参数标定及交通行为理解系统框架等相关关键技术,具体工作如下:（1）交通目标检测方面,本文提出一种基于锚框变换的单阶段旋转目标检测网络ATB-YOLO,对无人机航拍视频中具有任意旋转角度的地面交通目标进行包含角度参数的旋转包围框预测。在现有单阶段目标检测网络的基础上,提出一种锚框变换网络,将初始的水平锚框变换为旋转锚框,降低最终旋转包围框预测的难度。提出一种锚框对齐卷积操作,在旋转锚框的指导下提取锚框对齐卷积特征,解决常规二维卷积操作与旋转目标之间的空间错位问题。实验证明,本文提出的网络可以更准确地检测无人机航拍视频中的地面交通目标,且检测速度更快。（2）交通目标跟踪方面,本文提出一种检测-表观联合网络AAC-JDAN,以多任务学习的方式对旋转目标检测和表观特征提取任务进行合并。通过在ATB-YOLO网络中加入表观特征提取分支,AAC-JDAN可同时输出旋转目标检测结果和目标表观特征,提高跟踪效率。通过引入锚框对齐特征提取机制,缓解了现有检测-表观联合网络提取的表观特征与旋转目标之间关联性弱的问题。提出一种包含角度参数的卡尔曼滤波方法,对旋转目标的运动状态进行更加全面准确的预测。实验证明,使用本文提出的方法进行旋转多目标跟踪可以在保证跟踪准确性的同时获得接近实时的跟踪速度。（3）机载相机参数标定方面,本文提出一种基于非线性投影模型的鱼眼相机畸变参数标定方法。现有的鱼眼相机畸变标定方法中使用的透视投影模型不适合用于描述鱼眼相机的非线性成像过程,提出一种基于立体投影空间消失点的鱼眼相机畸变中心位置估计方法,利用空间平行直线估计鱼眼相机的畸变中心坐标;提出一种基于立体投影模型几何不变性的鱼眼相机畸变多项式系数估计方法,利用球体在立体投影模型下的成像性质估计相机畸变多项式系数。实验证明,本文提出的方法可以在观测噪声较大的情况下得到精确、稳定的鱼眼相机畸变标定结果。（4）交通行为理解系统框架方面,本文提出一种层次化的交通群体行为理解通用框架。本文对基于视频的交通群体行为理解的全流程进行高度抽象,所提出的通用框架与具体的交通目标类型、场景类型及行为类型无关。该框架对所有原始数据和中间结果进行分层组织,并规定了各层数据元素的标准表示形式。对各种数据处理环节进行统一的模块划分,并对模块接口进行标准化。该通用框架有助于提高交通群体行为理解系统的开发效率,并为同类方法之间的客观横向对比提供方便。本文通过一个城市交叉路口无人机航拍视频实际案例,进一步说明了该框架在解决交通群体行为理解问题时的指导性作用。以上提出的各种方法,有助于提升无人机航拍视频场景下交通行为理解相关技术的短板,为客观、准确、高效的交通行为理解提供有力的技术保障。