1.一种基于运动矢量差异的车辆违停检测方法，其特征在于：包括如下步骤：

(1)收集包含车辆的交通场景无人机图像构建训练数据集，利用该数据集训练yolov5车辆检测模型；

步骤(1)中，包括：收集包含车辆的交通场景无人机图像，建立训练数据集，使用

labelimg工具对图像中每个车辆的位置进行标注，生成yolov5车辆检测模型所需的标注文件，使用训练数据集训练yolov5车辆检测模型，确定模型参数；

(2)对无人机采集的每一帧图像，使用训练好的yolov5车辆检测模型对其进行检测，获得图像中每个车辆的位置信息；

步骤(2)中，包括：调用步骤(1)所得到的yolov5车辆检测模型对无人机采集的交通场景图像进行检测，返回每辆车的位置信息，(id，(x，y)，w，h)，其中id表示车辆标号，(x，y)表示车辆中心点坐标，w、h分别表示车辆的宽度和长度；

(3)根据yolov5车辆检测模型的检测结果，为每个车辆确定其用于计算运动矢量的判别区域，并对判别区域进行分块；

步骤(3)中，包括：基于步骤(2)所得到的车辆位置信息(id，(x，y)，w，h)，以每个车辆中心点(x，y)为中心，宽度(w)和长度(h)按比例扩大c倍，扩大后的宽度和长度分别记为w′、h′，其中1.2

步骤(4)中，包括：基于步骤(3)所划分的判别区域子块，记第id辆车在前一帧中每个判别区域子块的位置数据为PK1＝{(x11，y11)，(x12，y12)，...，(x1i，y1i)，...，(x1N,y1N)}，其中(x1i，y1i)表示第id辆车的第i个判别区域子块在前一帧中的中心位置坐标，使用三步搜索算法对前一帧中第id辆车的每个判别区域子块在后一帧中进行匹配，并得到每个判别区域子块在后一帧中的位置数据PK2＝{(x21，y21)，(x22，y22)，...，(x2i，y2i)，...，(x2N，y2N)}，其中(x2i，y2i)表示第id辆车的第i个判别区域子块在后一帧中的中心位置坐标，1

(5)计算判别区域中每个子块在前后两帧之间的运动矢量以及判别区域中所有子块的运动矢量方差，结合车辆违停判别规则，对车辆进行违停判定；

步骤(5)中所述的计算判别区域中每个子块在前后两帧之间的运动矢量以及判别区域中所有子块的运动矢量方差，包括：基于步骤(4)所得到的车辆在前后两帧中每个判别区域子块的位置数据，计算第id辆车每个判别区域子块在前后两帧中的运动矢量，运动矢量计算规则为：对于判别区域子块i，在x分量上的运动变化为Δxi＝x2i‑x1i，在y分量上的运动变化为Δyi＝y2i‑y1i，第id辆车的第i个判别区域块在前后两帧的运动矢量表示为(Δxi，Δyi)，对第id辆车的每个判别区域子块进行此计算，则得到第id辆车前后两帧判别区域的运动矢量集合Vid＝{(Δx1，Δy1)，(Δx2，Δy2)，...，(ΔxN，ΔyN)}，随后计算判别区域中所有子块在x分量和y分量的运动矢量方差，运动矢量方差计算规则如下：(a)计算运动矢量集合Vid中x分量和y分量的平均值

(b)计算运动矢量集合Vid中x分量和y分量的运动矢量方差Varx、Vary：

步骤(5)中所述的车辆违停判别规则为：取Varx、Vary中的最大值作为第id辆车在前后两帧之间的运动矢量方差Var，设定运动矢量方差的阈值为threshold，比较第id辆车前后两帧之间的运动矢量方差Var，当Var