本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的無(wú)人機(jī)多目標(biāo)車輛跟蹤方法，把深度特征融合網(wǎng)絡(luò)引入聯(lián)合模型，在小步長(zhǎng)下采樣率的網(wǎng)絡(luò)結(jié)構(gòu)中提取目標(biāo)的特征圖，減小量化誤差并且在應(yīng)用于小目標(biāo)的俯瞰場(chǎng)景時(shí)引入了OrientedR?CNN方法進(jìn)行車輛方向的檢測(cè)。在網(wǎng)絡(luò)上采樣過(guò)程中引入最新的可變卷積，提高對(duì)不同尺寸目標(biāo)的適應(yīng)能力。以多個(gè)頭部的方式并行實(shí)現(xiàn)目標(biāo)檢測(cè)和學(xué)習(xí)Re?ID特征。在內(nèi)部軌跡關(guān)聯(lián)上，以交并比(IOU)匹配的方式，將車輛的Re?ID特征指定給對(duì)應(yīng)車輛軌跡，預(yù)測(cè)串聯(lián)軌跡在當(dāng)前視頻幀中的位置以完成跟蹤。算法有效改善了模型使用基于Anchor的骨干網(wǎng)絡(luò)學(xué)習(xí)Re?ID特征不佳而導(dǎo)致的ID切換、檢測(cè)失效問(wèn)題，提高了車輛多目標(biāo)跟蹤算法的魯棒性。