公共场景中对行人状态的监测和分析是安全保障工作中的一个重要环节,随着图像处理和机器视觉技术的发展,使得对公共场景中监控图像内行人目标的定位、识别和跟踪具有可行性,能够在视频监控系统中定量地记录行人人数、行人轨迹、行人密度等反映行人状态的重要指标,提高公共场所在安全性、人性化、智能化等方面的服务水平。本文对深圳宝安机场值机区域录像视频内的行人进行分析,主要包括行人检测、行人跟踪两部分,在获得行人位置信息、轨迹特征的基础上,对深圳市宝安机场值机区域的运行效率进行分析。在行人检测阶段,本文选择深度学习回归网络YOLO v3对行人进行目标检测,在YOLO v3现有的网络框架下采集特定的数据集对模型进行训练测试。在跟踪阶段,加入以Deep-SORT算法为核心的多目标实时跟踪方法,对检测到的行人目标进行准确跟踪,从而克服YOLO v3在目标检测时忽略图像前后帧之间的关联信息等缺点,并缓解了检测中出现目标“掉帧”的现象,能有效地抑制目标遮挡。本文通过机场复杂室内环境下的实验视频对基于YOLO v3的行人检测和Deep-SORT的行人多目标跟踪结果进行评估,分别从召回率、准确率、重叠度等指标对实验结果进行评价,表明本文采用的方法是可行有效的。根据行人检测和跟踪方法获得的行人像素位置信息、轨迹信息对宝安机场某值机区域的运行效率进行分析,主要包括一天不同时段内该值机区域的客流分析、预估不同值机队列长度、行人轨迹恢复三个方面,为宝安机场在旅客分析等方面提供数据支持,使得本文使用的行人检测和跟踪方法得到较好的实际应用。