跑道侵入是指发生在机场的对飞机跑道安全产生不利影响的情况。2006年4月27日国际民用航空组织(ICAO)对跑道侵入的定义给出了规定,即发生于机场的一切关于错误的出现在用于飞机起降的保护区表面的飞机、车辆以及行人的情况。对于跑道侵入可能造成的事故后果,需要做到实时检测,快速发现,及时预警。受光照、天气、地面机场交通状况以及目标遮挡等因素的影响,全天候实时检测需兼顾效率以及可靠性。结合深度学习在目标特征学习方面的优势,提出了基于视频处理的机场跑道侵入告警预测的方法。本文首先介绍了大气散射物理模型,阐述了雾天图像退化的原理,对雾天图像进行了去雾处理,针对暗通道先验去雾算法实时性不足的缺点,通过实验论证对原图进行下采样减少透射率的计算量,对大气光值的取值进行最大值限制增加轮廓清晰度,对最小值滤波的滤波半径进行设置,增加去雾效果提升图像亮度避免过暗。经过对这些参数求取方法的改进极大的减少了图像去雾的时间,避免了过多的CPU消耗,同时去雾效果较好,为目标识别节省了时间。接着选取深度学习网络YOLOV3对机场目标进行实时检测,同时识别目标的种类以及位置,配置网络训练环境和参数训练机场目标的网络模型,并根据目标的不同聚类大小不同的Anchors得到更精确的边界框。对网络模型进行评估考察其泛化能力,包括其对于红外图像的识别性能评估其夜晚红外摄像时的视频目标处理能力,并通过机场实地测试验证了模型的泛化能力。然后设计了基于视频处理的机场跑道侵入告警系统,融合了去雾算法、深度学习网络并采用了卡尔曼滤波器对机场目标的运动状态进行预测,解决了目标轨迹预测的问题。针对机场目标众多大小不一容易发生遮挡的问题,提出了对机场进行较大俯角拍摄的检测方法,并将机场划分为几个区域针对性的进行处理跑道侵入的问题,同时通过计算判断是否发生跑道侵入从而采取报警措施。最后实现了基于视频处理的机场跑道侵入告警系统,并在windows平台中进行开发,同时模拟机场环境开展实验论证,利用模型模拟各种机场跑道的侵入行为,并使用系统对其进行判定,验证了基于视频处理的机场跑道侵入告警系统的可行性以及稳定性。