随着我国民用航空运输业的快速发展,机场机动区日益扩大,场面交通情况变得更加复杂,给塔台管制工作带来了很大压力。为了减轻管制压力,有效的保障场面的飞行安全,空管部分常采用场面监视雷达、多点定位等系统,辅助塔台管制员及时掌握场面交通情况。但是,该类监视系统具有高昂的设备成本及维护费,对于中小型机场无法负担,而基于深度学习的机场场面飞机检测跟踪系统具有成本低、盲区小、显示直观等优点,成为了较好的替代系统,也可以应用于民航机场的远程指挥、防跑道侵入等方面。本文设计并实现了机场场面飞机检测跟踪系统,能够辅助塔台管制员能清晰、直观地监视机场场面飞机运动状态,提高了监视工作效率,保障了空管部门的安全运行。首先,本文将基于深度学习模型的YOLO v3(You Only Look Oncev3)算法应用于机场场面飞机检测领域。其次,结合Kalman滤波、匈牙利算法实现视频飞机的跟踪。最后,将飞机跟踪信息与自动相关监视系统(Automatic Dependent Surveillance-Broadcast,简写:ADS-B)数据融合显示,使得场面视频飞机上显示跟踪框和对应的航班信息。本文主要工作有:(1)场面飞机检测,使用检测准确率高、速度快的YOLO v3算法,并构建场面飞机数据集Aeroplane。针对YOLO v3在小目标检测、遮挡方面的不足,优化YOLO v3算法,实验结果表明,优化后的YOLO v3算法在小目标和飞机遮挡检测方面具有较好的检测性能。(2)飞机跟踪,在视频的前一帧检测结果的基础上,使用Kalman滤波根据检测出飞机的位置、运动状态,预测出后一帧飞机出现的位置,并结合匈牙利算法与IOU(Intersectionover Union)度量方法,实现前后两帧的飞机数据关联和实时飞机跟踪。(3)数据融合,将视频中飞机的像素坐标与民航监视系统ADS-B提供的飞机经纬度坐标建立映射关系,实现机场场面视频融合显示飞机的跟踪框和航班信息。