近年来我国民航业发展迅速,机场场面飞机密度显著增加,这对机场的场面安全与高效运转提出了挑战。作为机器视觉领域中的重要研究方向,目标跟踪技术在视频安防、人机交互、自动驾驶等领域都有广阔的应用前景。目标跟踪任务是指是在视频中准确定位感兴趣的目标,并以一定的方式将其标注呈现出来。然而在应用于机场场面视频安防时,目标跟踪模型的效果受到各种客观因素的影响,例如天气变化、尺度变化、遮挡、长时间跟踪等。一个鲁棒的目标跟踪模型可以将飞机的准确位置与运动轨迹反馈给机场管理人员,为机场场面安全高效的运行提供保障。综上,本文研究了基于机器视觉的机场场面目标跟踪模型,实现了相关算法的软件设计与硬件部署,具体的工作内容与研究成果如下:1.改进了基于SiamRPN的单目标跟踪模型。针对机场场面目标跟踪中遇到的天气变化、遮挡、长时间跟踪等问题,设计了全局注意力模块与模板更新机制。全局注意力模块通过非局部操作将全局建模信息引入特征提取网络,有效地缓解了跟踪过程中因为遮挡而导致跟踪失败的问题。模板更新机制基于定位与感知损失来判断当前目标模板是否需要更新,在更新阶段通过元学习器预测目标在下一帧的模板,在尽可能不污染目标模板的前提下完成更新。最后在模型训练阶段通过数据增强的手段来提高模型对天气变化的鲁棒性。2.改进了基于YOLOv5s和DeepSORT的多目标跟踪模型。为了满足机场场面安防对于模型轻量化、易部署的需求,提出了以Wasserstein距离为衡量标准的模型量化算法并对目标检测模型进行压缩。量化后模型参数数据类型由float32转换为int8,存储占用减少75%。优化了 DeepSORT模型中的网络结构,提出了 Inception-Res Unit,在几乎不增加计算量的前提下提升了网络的特征提取能力。最后通过滑动窗口采样、正态分布拟合来判断目标的运动状态,实现跟踪轨迹的后处理。3.实现了机场场面目标跟踪平台的软件设计。为提高目标跟踪模型的实用性,将模型的运行逻辑封装为可视化的操作界面,支持多种跟踪模式且具有人员登录与权限管理等功能。基于MySQL设计数据的存取逻辑,将人员、航班信息等存入数据库,方便用户查询与更改。4.实现了机场场面目标跟踪平台的硬件部署。基于Jetson Nano开发板完成了目标跟踪模型的移动端部署,通过多线程技术实现单目标跟踪算法的并发执行并优化了视频I/O时序逻辑。为充分利用嵌入式设备的算力资源,使用TensorRT对模型加速。实验结果表明优化后的模型推理速度提升明显,可以满足实时性的要求。