随着近年来深度学习的发展,推动了计算机视觉技术在实际生活中的应用,行人检测和跟踪技术,逐渐成为计算机视觉领域重要的研究方向,本文基于深度学习中卷积神经网络,对视频中的行人进行检测与跟踪研究。全文主要的研究内容如下:（1）分析了行人检测和多目标跟踪技术背景。对行人检测和多目标跟踪技术的基本方法和理论进行研究。介绍了目标检测和多目标跟踪技术涉及的评价指标和多目标跟踪所涉及到的匈牙利算法和卡尔曼滤波算法。（2）层级特征提取与相似性估计研究。针对于多目标跟踪中的特征提取和相似性计算部分,提出了基于Mobile Net卷积神经网络所设计的层级特征提取与相似性估计网络。并结合目标检测算法YOLOv3,实现针对行人的多目标跟踪。实验结果显示,所设计的网络能较好的区分不同帧行人间的特征,缓解跟踪过程中由于遮挡以及物体过于相似造成的身份切换问题,能有效的对视频中的行人进行跟踪。（3）行人检测和特征提取研究。针对于多目标跟踪中行人检测和特征提取部分,提出了采用基于HRnet和双FPN融合的卷积神经网络,同时对行人进行检测以及特征提取,将所提取到的行人特征进行相似计算,得到相似性矩阵。利用匈牙利算法和卡尔曼滤波,完成视频中对行人的跟踪。实验结果显示基于HRnet所设计的网络能有效的对视频中行人进行检测和特征提取,解决了在基于检测的多目标跟踪流程中,由于检测和特征提取部分各自独立导致整个跟踪流程过于缓慢的问题。整个跟踪流程能到达20FPS,具备实时性,和精确性,满足实际场景中对跟踪算法的实时性和准确性的要求。