中国的汽车保有量在不断上升的同时对智慧城市系统施加压力,造成交通拥堵现象,产生出行隐患。视频和图像信息是当今智慧城市系统中重要的数据来源,大部分视频图像信息都来自于不够灵活的道路固定摄像头,尤其是在应对突发情况时具有一定的局限性。在小型旋翼无人机成本越来越低的现在,使用无人机进行道路信息收集已经成为可能。搭载拍摄设备的无人机因为其灵活性高、可视角度大并且起飞条件容易满足已经在交通管制方面得到了使用。例如交警利用无人机在人流量大的地方进行违法行为监控、疫情期间利用无人机进行巡逻喊话等。在传统的目标检测算法中,特征需要根据经验进行手工设置,越符合数据特征的效果越好。手工特征迁移性差,并且在数据量越来越大的现在很难设计出鲁棒性强的特征。基于深度学习的目标检测算法大致分为一阶段和二阶段两种,二阶段算法准确度高,但是检测速度慢,不满足实时性;一阶段的算法检测速度快,但一般对小目标的检测效果并不理想,且总体检测的精度不足。针对以上问题,文章采用单阶段YOLOv4作为基本网络进行改进。YOLO系列算法使用锚点思想,需要进行先验框的预设,预设的值如果不符合数据的特征,将会直接影响到模型的效果。数据是深度学习研究的基础,本文针对主要研究的对象——汽车,进行数据集的处理。根据研究问题去获取与实际应用更相符的数据集,并在速度和精度两个维度对算法进行提升。我们在VEDAI数据集中挑选六种类型的汽车目标进行重新标记,然后使用k-means++算法对新数据集进行聚类,期望网络可以获得更贴合实际应用的预选框,加速模型的速度的同时能够更好的进行候选框收敛。针对一阶段算法对小目标检测效果不理想以及对类别识别不精准等问题,对多尺度目标检测YOLOv4的网络结构进行改进。本文修改了YOLOv4的网络结构,将改进的Dense Net-121作为网络主干,采用h-swish作为激活函数,提高对数据集的特征提取和识别能力,同时对回归框筛选算法进行改进,采用自适应NMS算法作为本文模型的回归框筛选算法。通过实验表明,在保证实时性的要求下,修改网络结构和针对数据集进行重新聚类以及改进回归框筛选算法可以得到精度的提升,整体识别效果较好。