随着我国经济的繁荣,航空运输业的发展也上了一个台阶,越来越重视对“智慧机场”的建设,尤其引入了科技手段来加强机场的安全措施。目前鸟撞是威胁航空安全的重要因素之一,给航空业的发展带来巨大威胁。如果机场相关部门能检测到飞禽并获取其飞行轨迹,就能实施相应驱鸟策略,大大减轻危害性。目前学者们已经提出了许多视频目标跟踪算法,但较少针对机场驱鸟应用进行深入分析和算法优化,在光照改变、目标与背景的颜色区分度不明显等场合直接应用效果不佳。基于以上问题,本文在粒子滤波跟踪框架、基于颜色和形状的多特征融合算法、飞禽与飞机区分方法等方面开展了研究:1、阐述了机场驱鸟的现实研究意义,重点介绍了目标跟踪算法的研究现状以及近期研究成果。阐述了标准粒子滤波算法的过程,通过实例验证了其在非线性情况下的优越性。2、飞禽和飞机跟踪的准确性受复杂环境条件和目标自身状态变化影响较大,如强光、遮挡等都会导致跟踪的准确度降低甚至跟踪失败。本文在粒子滤波框架下,提出了一种改进的融合颜色特征与形状特征的粒子滤波跟踪方法。首先利用主成分分析法对差分选取的跟踪目标图像颜色特征与形状特征进行分解和优选,其次通过归一化相关法评价特征的重要性,从而计算粒子数的重分配,自适应地将抽取的有效特征融合到粒子滤波算法框架中实现目标跟踪。实验验证了改进算法相较于颜色直方图粒子滤波跟踪算法,准确率提高了 10%。3、为区分飞禽和飞机,考虑到飞禽和飞机在飞行状态中的特点,本文提出了粒子滤波框架下由颜色和形状特征粒子的分布来快速区分特定情况下的飞禽和飞机。其次结合两者的运动特性,通过轨迹和速度特征进一步进行区分,最后针对无法正确区分的飞禽和飞机,由识别模块进行区分。通过实验验证该改进算法能有效进行目标区分,避免复杂的目标识别。4、利用Exynos4412开发板搭建了试验环境,进行了跟踪演示。介绍了系统硬件平台的组成,在Android平台上对OpenCV进行了环境移植,测试了代码的稳定性和可行性。最后在开发板上进行了测试,验证了软硬件的有效性。