随着计算机视觉技术飞速提升再加之社会各界大力发展,基于深度学习的行人检测与跟踪技术愈来愈受到国内外专家的科研重视,各国科研所与科技公司都对此展开了着力研究。人们对于安全与隐私意识也愈发提高,对于室内监控则变得越来越重视并在教学楼,火车站,候机楼等各种场合都有着视频进行记录,用监控学生或员工的安全问题;同时也可以在室内某些恶劣情况发生时检测人们的轨迹检测并记录下来,及时发现情况将人身和经济损失降低;室内场景与人类生活息息相关,室内场景的检测与跟踪技术可以为人们的生活、工作等多个方面做出巨大贡献。这些科技的进步与视频设备的实际应用极大的推动了行人检测与跟踪技术的发展。传统的目标检测使用的都是基于anchor的检测算法,但是由于室内目标的形状和位置是不可确定的且常出现遮挡等情形,所以易导致anchor的数量和形状会产生多种情况。anchor数量的增多就会造成运算量的增加从而让检测的速度减慢,并且使用anchor的检测算法在特征提取方面表现的并不好。基于以上问题,本文选用了一种基于角点信息而非anchor的方法来进行行人检测。与依赖检测框四条边才可确定目标位置不同的是,基于角点的方法仅依赖于物体的两条边,便可确认一个点,这样依靠角点的检测就会显得更加容易。选取该方法进行人物检测,可减少在检测和特征提取时受到anchor的干扰,这样检测速度和精度也会相应的提高。而且传统的检测与跟踪系统由于在特征提取和检测跟踪阶段采用多网络分步进行的方式,这样就会导致检测与跟踪的时间较长。针对这一问题,本文提出了一种方式将行人检测与特征提取共同放置于同一网络体系让两者并行运行,这样两者的特征图就会共享,这会大大的缩短了检测与追踪所使用的时间,将行人检测的输出结果作为追踪的输入,从而形成了一套从检测到追踪的系统。行人跟踪首先对行人的位置进行预测,然后对目标进行ID与轨迹匹配。虽然效果不错,但是行人ID切换的问题经常出现,尤其是当视频内行人出现交错重合等场景时愈发明显。所以需要结合行人重识别技术对行人跟踪过程中出现的问题进行一些校错纠正,经过实验分析结果可得知,结合了行人重识别技术后,行人跟踪算法的效果相较于之前有了一定的改善。