在机坪目标检测应用场景下,传统机坪目标检测是使用将视频回传到云服务器进行目标检测的方式,这种方法受限于网络带宽,实时性较差。使用轻量级前端嵌入式设备代替传统机坪目标检测方式,能够改善传统机坪目标检测方式的缺陷,但是前端嵌入式设备存在算力和存储的局限性,传统复杂模型无法直接部署于前端嵌入式设备。针对上述问题,为了得到满足高准确率和实时性机坪目标检测要求的轻量级目标检测模型,本文深入研究模型压缩策略和机坪地面航班保障特有的作业规则,提出了面向机坪视频的轻量级目标检测模型研究。针对传统复杂模型无法直接部署在资源有限嵌入式设备的问题,本文提出了一种基于压缩策略的轻量级目标检测模型算法。首先,使用提出的γ混合剪枝算法对原始复杂模型进行剪枝,得到轻量级目标检测模型;其次,基于原始模型与剪枝得到的轻量级模型同构的特点,提出一种基于知识重载的剪枝模型精度回调算法。实验结果表明,本文提出的压缩方法对原始模型的压缩率可以达到90%以上,得到的轻量级模型的帧处理速度最高可以提升一倍;另外,经过知识重载回调,压缩后模型与原始模型的m AP差距在3%以内。针对微调后的轻量级模型依旧存在误检和漏检的问题,本文提出了一种基于机坪视频的时空先验规则辅助目标检测算法。该算法首次通过结合机坪特有的作业规则,从空间和时间维度对机坪物体作业的先验规则进行提取和抽象,并利用贝叶斯算法、混合哈希直方图相似性算法以及二次NMS筛选候选框算法将先验辅助规则融入目标检测过程。实验结果表明,提出的算法能够较好的改善轻量级模型和原始模型存在的误检和漏检情况;另外该算法使平均类别漏检率从28.6%降低到13.4%。