近年来中国互联网技术不断进步,极大地促进了电子商务的发展,越来越多的人热衷于在网上消费购物,给线下实体店带来巨大的冲击。便利店作为实体店的一种经营类型,在人们生活中发挥着非常重要的作用,同样受到了电商的影响。便利店获得利润的与客流量的大小直接相关,通过统计客流量,对客流数据进行科学分析,制定合理的营销计划,对应对电商带来的挑战并获得长足发展具有重要意义。行人检测是对图像或视频序列中的行人进行精确定位的技术,为视频监控、辅助驾驶以及自动驾驶、智能机器人等众多领域提供了重要的技术支持。由于行人检测应用的广泛性,使其成为了一个具有重要研究价值的课题。本文采用计算机视觉技术对便利店的客流量进行统计,检测行人是本文客流统计系统的核心环节。本文具体的研究工作如下:(1)收集行人数据集。MS COCO是当前最大、最权威的目标检测数据集,总共有包括人在内的80个物体类别,图片总数为32.8万张。出于研究需要,本文从MS COCO的训练集和验证集中抽取了所有包含人的数据,共有图片66 808张,并以2:1:1的比例划分为训练集、验证集、测试集。(2)综合考虑行人检测模型的准确率和处理速度,改进了基于卷积神经网络的YOLOv3 Tiny算法。本文在收集的行人数据集上复现了YOLOv3 Tiny算法,针对在该数据集上准确率较低的问题本文对原始算法采用了四种改进方式。第一种,采用VGG16作为原始算法的主干网,因为VGG16在多种视觉任务中体现出良好的特征提取能力。第二种,基于残差网络的思想重新设计了原始算法的主干网。在卷积神经网络中需要通过下采样对数据进行降维,以提取更有意义的高级特征,但下采样必然会导致信息丢失,针对此问题本文提出第三种改进策略——采用步长与空洞率均为2的空洞卷积进行下采样,在下采样的同时扩大感受野。第四种改进策略是设计更轻量的模型,尽可能提升模型推理速度。实验结果表明,第三种改进方式在收集的行人数据集上表现最佳,与原始算法相比准确率提高了12.3%,并且在RTX2080上的处理速度达到61帧。(3)开发便利店客流统计系统。系统对监控视频中的行人进行实时检测,并通过射线法判断行人是否经过便利店出入口,以此来对便利店的客流量进行统计。