近年来,由于城市信息化水平的日益发展,监控摄像头的数量也越来越多,摄像头的广泛使用以及深度学习的飞速发展,为智慧城市的建设打下坚实的基础,也为提高建筑效能、家用机器人、教育、保护环境等领域做出了巨大的贡献。目前人体目标检测的应用场景大部分都在室内,而当前检测算法的研究对象多为室外的行人,室外行人主要在开阔场景下采集,人体大多呈行走,直立状态,图片中的目标大多比较完整。但在室内环境下,由于空间较小,并且人员较多,导致重叠度比较大,目标之间的遮挡严重,例如,在教室上课场景中,后排人员被前排平均遮挡50%以上,且室内人员有站立、侧身等不同行为,同一个体在不同时空下的姿态也不一样。另一方面,室内摄像头一般是俯视角度,这导致图像中人体的形变比较严重,不利于检测算法的识别。针对上面的种种问题,有必要对以往的经典目标检测算法在室内密集场景下做出针对性的改进。本文提出了一种基于深度神经网络的室内密集人员检测模型,该模型采用二阶段目标检测算法的框架,在Backbone阶段使用Res Net提取特征,在Neck阶段使用FPN融合特征,然后用检测头输出结果,后处理阶段使用非极大值抑制处理冗余框。在此基础上,本文有以下几个创新点:（1）提出了单候选框,多目标框的检测模块。因为密集场景下的目标一般都有相似的特征表达,模型难以把重叠度过高的目标分离开来,本文直接用一个候选框预测多个目标,降低特征提取层的压力,提升网络性能。（2）提出了基于目标密度的动态NMS模块。在后处理阶段对拥挤区域采用较低的NMS阈值,以保留更多的检测框,对稀疏区域采用原有的NMS策略,从而提升整个检测算法在密集场景下的检测效果。（3）自建10000张室内密集场景下的数据集,并将本文提出的模型与目标检测的经典算法,如Faster RCNN,YOLO等做对比,从AP,MAE,MSE这几个指标分析得出,本文模型的精度要比其他几个模型更高。