随着生活水平的不断提高,人们的安防意识也不断增强。对于消防控制室、值班室、边防哨所等特殊场所,如果出现人员空岗行为,很可能会给人们的生命财产安全带来巨大损失,空岗检测意义重大。早期的空岗检测大多采取人工监督的方式,后来,随着大量摄像头的广泛架设,很多地方开始采用分配专人审看监控视频的方式,这些传统检测方法人力成本过高,而且长期关注显示屏容易使人错过关键视频片段,检测效果并不可靠。随着计算机视觉技术的不断发展,基于智能视频监控的空岗检测方法被提了出来,其关键在于实现室内人体目标的有效检测,进而分析其在岗状态变化,判定是否发生了空岗行为,消除安全隐患。现有的大部分人体目标检测方法都是针对室外处于直立状态的远视野行人,但对于监控条件下的近视野室内人体目标,摄像头的安装位置固定,人体目标常常呈现多视角、多变形、存在一定程度的遮挡等,给检测任务带来了困难与挑战。针对以上情形,本文提出了一种基于监控视频的室内人员检测算法网络模型,主要包括图像预处理部分和主体检测网络部分。图像预处理部分是指结合了多视角模型的区域建议网络,借鉴了两阶段目标检测网络模型Faster R-CNN中RPN的设计,充分考虑了正面、背面、侧面等多视角情形,提升了目标的召回率和检测率;主体检测网络部分则集成了特征提取、变形处理、可见性估计及分类判别等子模块,其中,变形处理和可见性估计部分是基于可变形部件模型的算法设计思想,并充分考虑了部件之间及模型各模块之间的联系,提升了多变形、存在遮挡等情形下的检测性能。除此之外,本文还提出了结合视频时序特点的人员空岗行为判定准则,符合实际需求。通过在几种典型的室内场景中采集大量相关监控视频,本文建立了包含多视角、多变形、存在遮挡等情形的室内空岗检测数据集。基于此数据集,本文进行了本算法模型在不同场景中的测试实验以及与其他经典人员检测算法的对比实验,充分验证了本文算法模型的有效性和鲁棒性,可以为相关研究领域提供参考。