机场飞机动态监控是获取机场运行规律的重要手段，可用于异常报警，有着重要的军事意义。遥感技术的兴起和高速发展产生了遥感大数据，其中机场高分辨率遥感影像序列为监控机场飞机动态提供了条件。因此，基于遥感影像序列的机场飞机动态监控具有重要的研究价值。但是，由于受到遥感卫星重访率不高等数据限制，基于遥感影像序列的机场飞机动态监控研究较少，也还未得到应用。研究的难度包括遥感图像面幅巨大，通用的全图搜索目标方式所需时间长，实现实时遥感目标检测较难且耗费大量计算资源;遥感图像信息繁杂、受到多种因素影响，目标检测难度较大，精度不能满足实际应用需求;人工标注无法实现自动化的监控流程，不利于实现实时在线监控等目标;　　在机场的遥感影像序列中，飞机主要出现的位置在本文中也被称为停机位微场景。监控方法的一般思路是先确定停机位微场景，再提取停机位微场景的状态信息。本文提出了基于遥感影像序列的机场飞机动态监控方法。监控方法分为三个阶段:1.基于机场历史遥感影像序列统计生成停机位微场景先验模型;2.基于深度学习的停机位微场景监控;3.新出现停机位微场景的发现与更新。　　本文的主要工作如下:　　1.针对监控方法准确快速的需求，本文提出了把飞机注册到所属微场景的算法，并统计注册后的结果生成停机位微场景先验模型，该模型可以为监控方法提供有用的先验信息。　　2.针对遥感影像序列光照变化给特征设计带来的困难，本文提出使用深度学习来准确识别停机位微场景状态的方法。先确定停机位微场景，再提取停机位微场景的状态信息的思路可以带来较快的监控速度。　　3.对于有的机场会出现新的停机位微场景的情况，既有的停机位微场景先验模型缺少这种情况的先验知识。本文提出近邻搜索算法来发现新的停机位微场景。