云南由于地处边疆,地域广阔,长久以来陆路交通不便,发展航空是解决交通不便的重要措施。云南是航空大省,目前云南省运营的机场数量较多,在全国位居前三,仅民用机场数量就达15个之多,为了推进机场安检的智能化建设,本文对智能飞机安全监护和智能机务安全检测进行研究。飞机安全监护系统主要对进入停机坪人员的合法性进行自动识别。由于进入停机坪的人员在监控视频中都是小目标,存在光线昏暗,人员密集等复杂场景,对目标检测任务产生影响,对此本文针对现有的物体检测算法进行优化,用于对复杂场景进入机场停机坪人员的合法性进行自动识别。本文首先结合Ghost-Net网络对YOLOv3的骨干网进行优化,对卷积层和归一化层的参数进行合并,减少参数量;其次,在网络中添加了注意力机制和自底向上与反卷积特征融合的方式提升小目标的检测能力,对损失函数和模型参数进行改进,同时添加了目标跟踪机制。与原始算法相比,本文提出的方法可以减少模型的参数量并且提升了模型在复杂环境下的检测效果,模型的m AP值提升了14%左右,帧率提升了约2.5倍,并且能够对非法闯入人员进行实时跟踪;另外,本文对海思平台的嵌入式系统进行搭建,为模型在嵌入式平台部署提供了解决方案。机务安全检测系统主要是完成指引机场工作人员完成业务操作,监测业务操作是否合法,对上传的关键节点的照片进行自动识别。本文通过优化Single Shot Multi Box Detector（SSD）算法,采用特征融合的方法提升了算法的检测精度,优化特征提取的骨干网络,并结合注意力机制,用于完成关键节点的自动识别,将优化后的算法模型在服务器上进行部署,同时编写了前端访问页面和基于Flask框架的后台程序,完成模型的线上部署。