机坪监控视频是机场对机坪区域安全保障的重要依据,机坪监控视频的保存管理对于机场来说有着重要意义。新版《民用运输机场安全保卫设施》（MH/T 7003-2017）标准规定机场重要区域的监控视频的保存时限应不少于90天,并且回放的图像质量应不明显低于实时图像质量。由于机坪区域监控摄像头多、存储时间长、图像质量要求高,这给机场的视频存储带来了极大的考验。为了解决机场的机坪监控视频的存储难题,本文提出了一种基于深度学习的机坪监控视频压缩方法。根据机坪监控视频的特点,将视频中的运动物体和静止物体分开存储,并根据视频中光照的变化,单独存储视频中的光照信息。因此本文将视频压缩为静态层、对象层和光照层的存储结构。静态层主要存储视频的背景图像,背景图像是指不存在运动物体的、由在视频中始终静止的物体组成的图像。对象层存储视频中所有运动的物体图像和图像的坐标信息。光照层主要存储视频中图像的亮度变化和灯光信息。静态层和对象层的获取运用了目标检测方法。光照层使用了光照模型来获取灯光信息。由于将一段由若干图像帧组成的视频转化为一张背景图像、若干物体图像和灯光信息的存储结构,在保证图像质量的前提下,可以极大缩减视频的存储空间。由于机坪属于户外环境,下雨和起雾天气时有发生。考虑到这些特殊的天气状况,在静态层、对象层和光照层的基础上添加了天气层。天气层主要存储雨和雾的信息。关于雨和雾的获取和存储,通过去雨和去雾的算法获取视频中的雨和雾的信息。在视频解压阶段,将这些天气信息还原到图像中,从而还原真实的机坪监控视频。为了验证本文提出的机坪监控视频压缩算法的性能,我们实验了不同机场、不同时间和不同天气的机坪监控视频。实验结果表明该方法对于时间比较长的机坪监控视频的压缩可以取得比较好的效果。