本项目设计了一款基于深度学习检测算法、目标跟踪算法的智能监控系统,能够在办公室、实验室、图书馆、交通信号等多种复杂场景下实现对摄像头视野范围内行人、车辆等目标的实时检测、动态跟踪,同时通过基于标定算法对二维相机平面的目标进行的反投影,能够对目标进行实际物理位置的估计以及基于背景为静止参考系的实际物理速度计算,同时也提供了如课桌、人行道等关键点处目标是否存在及目标个数的关键点检测功能、目标轨迹及速度图像绘制功能、视频及日志实时读写功能等其他拓展功能模块。针对目标检测算法,本项目自行设计了一款基于yolo的改进目标检测卷积神经网络,同时利用开源数据集进行网络训练与模型预测,将网络权重载入客户端,在实时监控视频上可达到90%以上24Hz的检测速度。针对目标跟踪算法,本项目采用了卡尔曼滤波对目标进行状态估计,利用匈牙利算法进行二分图匹配来为目标赋予跟踪ID。同时,针对传统目标跟踪算法高重叠等问题,本文提出了一种基于曲线回归拟合的改进匈牙利匹配算法,利用视频跟踪轨迹拟合分析目标是否跟丢,选择最佳拟合方法为跟丢目标匹配最新位置,用于解决目标重叠而错检漏检所导致的错误跟踪。在相机标定方面,针对特殊场景如室外交通监控场景下难于搭建棋盘格的问题,本文提出一种基于平行线消失点的相机标定方法,能够对空旷、广阔、路况复杂、有建筑参考的室外环境进行相机标定,从而使得该软件具有更加广阔的适用范围。本项目通过tkinter进行客户端界面设计与软件开发,在windows系统下通过python语言进行编译集成。