近年来,AI、计算机视觉成为热点话题,引起大量专家和研究人员的密切关注,引发了对其进行广泛并深入研究的热潮。在无人驾驶、智能安防、人机交互等计算机视觉领域的任务中,行人检测和跟踪是其中的核心技术。在视频监控中,行人是重点的关注对象,目标跟踪算法层出不穷,其中,行人跟踪算法占据跟踪的主流,是当今研究的热点,具有非常鲁棒性的行人跟踪算法一直是研究的难点。由于行人不是一个固定姿态的目标,跟踪时,行人之间不免会出现互相遮挡或者被其它物体遮挡等情况,这些问题在很大程度上影响行人跟踪技术在现实场景的应用,针对上述问题,本文研究内容如下:搭建基于YOLOv3优化的行人检测网络模型YOLO-P。以目标检测算法YOLOv3为基础,对其进行优化,包括输入端对数据进行Mosaic增强处理,扩充训练数据集的数量。锚框设置方面,采用自适应锚框计算,自动计算出合适的锚框尺寸。在主干特征提取网络中加入CSP结构,可以提高卷积神经网络的学习能力并且降低内存成本,节省空间。在计算目标框和预测框重叠程度时,将IOU＿Loss改为GIOU＿Loss,对损失函数进行修改使其更有利于网络的优化,优化后的算法为YOLO-P行人检测算法。使用行人检测数据库和自己标注的图像数据训练该网络模型,训练完成后用公开的数据集和自己标注的共计6000张图像进行测试,测试时保证测试的图片不曾出现在训练集中,测试的结果显示,准确率在88%左右。搭建基于Deep-Sort改进的行人跟踪模型Deep-Sort-Sup。在确定目标行人位置方面,在Deep-Sort行人跟踪框架里面加入性能更优的行人检测器YOLO-P,将卡尔曼滤波器对目标行人进行的位置预测信息和行人检测器YOLO-P对目标行人的检测信息进行融合,能够更加准确地确定目标行人的位置。采用匈牙利匹配和SIFT特征点匹配相配合的策略,先利用匈牙利匹配算法将目标行人进行关联,确定相邻两帧目标行人是否为同一跟踪目标,当遇到遮挡的时候,利用SIFT特征点只需要匹配上少量点的匹配特性对目标进行匹配,确定是否为同一目标行人,这种匹配策略能在一定程度上解决遮挡问题。相比只用匈牙利算法进行匹配,加入SIFT特征匹配的策略,目标行人匹配成功的准确率提高了6.2%左右。通过验证,与Deep-Sort相比,Deep-Sort-Sup跟踪的准确率提高4.9%左右。