مشخص کردن وسایل نقلیه در تصاویر هوایی برای برنامه های مختلفی مانند مدیریت ترافیک، کاربردهای زیاد پارک کردن، برنامه ریزی شهری، و غیره مهم است. جمع آوری داده های مربوط به ترافیک و پارک کردن از پلت فرم معلق در هوا، پوششی سریع را بر یک منطقه بزرگتر می دهد. گرفتن همان پوشش توسط حسگرهای زمینی نیاز به استقرار سنسورهای بیشتر و کارهای دستی بیشتری دارد، و همچنین به هزینه ی بیشتری نیاز دارد.
یک مثال خوب و مناسب برای سیستم اندازه گیری ترافیک جاده هوایی، پروژه مرکز هوافضایی آلمان (DLR) است. در سیستم ریل تایم و همزمان، تصاویر هوایی از تمام جاده گرفته می شوند و خودروها تشخیص داده می شوند و چندین فریم متوالی ردیابی می شوند. این امر اطلاعات سریع و جامع از وضعیت ترافیک با ارائه اطلاعات در مورد تعداد خودروها و سرعت و موقعیت آن ها را می دهد.
شکل 1 نمای کلی از جریان کار ما را و تصاویر خروجی را نشان می دهد. تشخیص، یک مشکل چالش برانگیز است که به علت اندازه کوچک اتومبیل (اندازه یک ماشین ممکن است 30 ×12 پیکسل باشد) و پس زمینه پیچیده از اشیا ساخته شده ی انسانی هستند که بنظر شبیه به اتومبیل ها دیده می شوند. تهیه و ارائه موقعیت و جهت اشیا تشخیص داده شده که توسط ردیابی مشخص شده اند، توسط محدودیت در حرکت وسایل نقلیه ایجاد می شوند.
این موضوع در صحنه های ترافیک متراکم مهم است که در آن تعیین و انتساب بیشتر به چالش کشیده می شود. استفاده از جاده ها و پارکینگ ها، بیشتر به نوع خودروها بستگی دارد (برای مثال یک کامیون، جریان ترافیک متفاوتی را نسبت به یک ماشین شخصی ایجاد می کند). یک سیستم با داشتن دسترسی به این اطلاعات غنی، می تواند زیرساخت های بهتری را مدیریت کند.
