在科技迅速发展的今天，计算机视觉技术也得到了极大进步，特别是在机器人视觉、智能驾驶、安保等方面，而这些都离不开行人检测和追踪。行人检测顾名思义就是针对图像或者视频中的行人进行检测的一种技术，行人追踪则是对行人进行跟踪并预测轨迹的一种技术。行人检测和追踪作为计算机视觉的关键技术，却受到了很多条件的约束，特别是环境因素、遮挡问题和较小尺度行人检测等问题，这跟摄像头的拍摄角度和环境因素息息相关，针对以上这些问题，本文提出了几种不同的检测和追踪方法。具体的研究内容如下:
　　(1)为了提高网络对行人可见区域的关注，提出了结合注意力机制的CenterNet行人检测方法，CenterNet网络抛弃了anchor的使用可以有效地提高检测速度，结合了注意力机制，可以使一些不重要的信息弱化并对行人重要特征进行选择，使其不易丢失，该方法在实验结果上表现良好;
　　(2)为有效提取较小尺度行人目标特征，本文提出一种基于TRBBC-Net的行人检测方法。设计一种TRB基础模块以解决CenterNet中单一模块提取不同层次的语义特征能力有限问题，此外本文引入抑制最大值激活函数，通过防止数值爆炸来提高检测器能力;
　　(3)针对追踪行人的关联过程中仅仅关注框的位置等高层信息，实现了一种基于CenterTrack的行人追踪方法，仅仅输入前一帧的热力图像和行人图像就可以预测下一帧行人的位置，同时不再是进行检测框重叠计算，而是通过行人中心点进行ID(Identity document)关联，提高追踪效果的同时，也减少了大量的计算适合实际场景应用。