La detección de aeronaves es la tarea principal del sistema de guía y monitoreo optoelectrónico en los aeropuertos. En aplicaciones prácticas, exigimos no solo precisión en la detección, sino también eficiencia. Los enfoques de detección existentes siempre entrenan un conjunto de plantillas holísticas para buscar en un espacio de imagen multiescalar, lo cual es ineficiente y costoso. Además, las plantillas holísticas son sensibles a objetos ocluidos o truncados, aunque se entrenen con muchas características complicadas. Para abordar estos problemas, primero proponemos un tipo de característica local informativa que combina un parche de imagen local con su ubicación correspondiente. Adicionalmente, por razones computacionales, se propone un método de compresión de características (basado en representación escasa y muestreo compresivo) para reducir la dimensionalidad del vector de características, que muestra un rendimiento excelente. En tercer lugar, para mejorar la precisión de detección durante la etapa de detección, se propone un algoritmo de estimación de posición para calibrar el centroide de la aeronave. A partir de los resultados experimentales, nuestro modelo logra una precisión de detección favorable, especialmente para objetos parcialmente ocluidos. Además, la velocidad de detección también se mejora notablemente.