1.一种基于边缘智能的无人机车辆目标检测方法，其特征在于：包括：步骤S10、在无人机端部署两级过滤器以及轻量级目标检测模型S_YOLOv3，在云端部署高精度目标检测模型YOLOv3；

步骤S20、通过将无人机车辆数据集分别输入到S_YOLOv3和YOLOv3中，进行模型迁移训练，使得S_YOLOv3满足预定的速度要求，且使得YOLOv3达到预定的精度要求；

步骤S30、将采集的无人机交通视频，通过部署在无人机端的两级过滤器进行初步过滤，丢弃冗余帧；

步骤S40、将剩余帧输入到轻量级车辆检测模型S_YOLOv3进一步筛选目标帧；

步骤S50、将目标帧输入到部署在云端的高精度目标检测模型YOLOv3，进行高精度检测，得到最终目标帧；

所述两级过滤器包括第一级过滤器和第二级过滤器，所述第一级过滤器为像素差异检测器PDD，所述第二级过滤器为结构差异检测器SDD；

所述像素差异检测器PDD过滤过程如下：

预先对采集的无人机交通视频进行灰度处理和缩放处理，得到像素为9×8灰度图；

将缩放后的灰度图输入到像素差异检测器PDD，计算每一帧的每行像素的差异值，得到每帧每行8个差异值，所述差异值的计算公式如下：ai(x,y)＝fi(x,y)‑fi(x,y+1)                                (1)其中，x，y表示图像像素的横坐标和纵坐标，fi(x,y)表示第i帧图像的x行y列的像素值，fi(x,y+1)表示第i帧图像的x行y+1列的像素值，ai(x,y)表示第i帧图像的两个像素差异值；

通过相邻像素强度计算公式，将每一帧的像素差异值转化为两个十六进制值，连接起来转换为字符串，得到了每一帧对应的哈希值，所述相邻像素强度计算公式如下：通过异或运算比较相邻帧之间的哈希值，根据预先设置的相似度度量参数判断两相邻帧是否相似，若相似则丢弃其中一帧，否则不丢弃，所述异或运算公式为：其中Hi(k)和Hj(k)分别表示第i帧和第j帧图像的第k个哈希值转换的二进制值， 表示异或运算，Di,j(k)表示第i，j帧哈希值的运算结果；

两帧图像的相似判断公式如下：

Δi,j＝∑kDi,j(k)              (4)其中，Δi,j表示两帧之间的相似度，如果相似度大于预先设置的相似度度量参数，则认定为冗余帧，直接丢弃，否则输入到下一检测器；

所述结构差异检测器SDD的过滤过程如下：

根据SSIM公式计算两帧图像的相似度，若相似度大于预设的阈值β，则判定为冗余帧，直接丢弃，否则输入到轻量级目标检测器S‑YOLOv3中，所述SSIM公式如下：2

C1＝(k1L)                          (6)2

C2＝(k2L)                            (7)其中的μx、μy分别表示图像x的均值和图像y的均值， 分别表示图像x的方差和图像y的方差，σxy表示图像x和图像y的协方差，L为像素值的动态范围，k1＝0.01，k2＝0.03。

2.如权利要求1所述的一种基于边缘智能的无人机车辆目标检测方法，其特征在于：所述轻量级目标检测模型S_YOLOv3为基于自动化剪枝的轻量级目标检测模型，所述轻量级目标检测模型S_YOLOv3的压缩过程如下：通过遍历YOLOv3中的每一层，将同一层中的所有滤波器抽象到一个欧几里得空间，选取其中能被同层其他滤波器共同表示的滤波器进行剪枝操作，并添加计数模块；

通过强化学习进行剪枝训练，之后进行微调得到精度损失小于一定值且FLOPs小于预设值的轻量级目标检测模型S_YOLOv3。

3.如权利要求2所述的一种基于边缘智能的无人机车辆目标检测方法，其特征在于：所述步骤S40中轻量级车辆检测模型S_YOLOv3进一步筛选目标帧的过程包括：定义初始过滤阈值Clow,Chigh，判断剩余帧中是否含有目标，并计算目标数目，若目标数目小于Clow，则直接丢弃该帧，若目标数目大于Chigh，则保留此帧并用于直接显示，若目标数目介于Clow和Chigh之间，则保留帧并输入到步骤S50。