机场跑道异物（FOD）指的是那些出现在机场跑道上并且会对航空器产生危害的物体。FOD不仅给全球民航业每年带来120亿美金的损失，更会对乘客和机组人员造成人身伤害，是全球机场安全运营的主要威胁之一。目前，全球有少数机场已经部署了FOD的自动监测系统，在一定程度上缓减了FOD危害，提升了安全水平。然而，现有的系统缺乏对静态FOD的目标识别功能，对机场监控人员提出了很高的专业要求并带来较大的工作压力;也缺乏对静态异物的材质识别能力，增加了准确评估FOD危害程度的难度;系统又缺乏对活动异物监测的办法和技术支撑，进一步影响了系统的推广。　　本文提出了一种由SIFT和Color的融合特征作为新的视觉图像特征，并且和SIFT、LBP、Color以及Gabor等特征进行对比。结果发现新融合特征不但在大多数情况下性能较优，而且在和不同分类算法协同工作时体现了较好的鲁棒性。本文又继续研究了针对融合特征的属性选择，发现在基于信息增益的属性选择后，当新融合特征维数是原融合特征维数的一半时，性能可保持不变。研究了数据集不同种类的类内/类间距离统计量和识别结果的关系。针对静态FOD的材质识别问题，基于视觉图像，提出了一个改进的深度卷积网络的网络架构，该网络对于危害性最大而且最常出现的金属材质FOD进行了优化。结果表明新的方法比现有的方法对金属FOD识别准确率有了39.6％的提高。本文又进一步比较了本文所提网络模型和现有模型在提取材质特征能力方面的差异，发现了当网络对于某种材质图像的神经元输出值的均值较大同时标准差较小时，网络对该材质的识别能力较强。对于活动FOD的监测方面，从不同维度对活动异物进行考虑，按照移动速度，分为静态异物、慢速活动异物或者快速移动异物;按照有无生命特征分为有生命异物和无生命异物。同时考虑了当时的风速、飞机尾流、汽车移动的扰动等因素，提出了一套活动异物的监测系统、流程和方法。在现有条件下，对提出的方法在虹桥机场备用跑道上进行了实验验证。最后概述了FOD监测系统的设计和实现，着重讲述了上述关键技术在系统中所处的位置、作用和彼此关系。随着本论文中所涉及到的这些关键技术逐步实现，将有力推动FOD监测系统进一步推广，提升机场安全运营水平。