行人计数技术因为在智能安防领域具有广泛应用前景而成为计算机视觉领域的研究分支之一,其中所使用的目标检测和目标跟踪技术已经代表了最前沿的研究热点。而实际监控场景包含着光照变化,行人所处背景复杂,以及姿态变化、行人之间的遮挡和行走方向的任意性,这些都是行人计数必须解决的问题。如今虽有很多行人检测的方法不断提出,但距离实际的应用仍存在很大的差距。本文在充分调研了行人检测和目标跟踪技术的基础上,理清现存技术和方法的不足之处,重点研究了深度神经网络在实际复杂场景下行人计数的方法应用。我们提出了一种基于深度学习检测反馈的跟踪目标矫正的方法,并在此之上,设计和实现出一种高精确低误差的行人计数系统。首先,本文阐述了行人计数的研究背景和国内外的研究现状,同时对涉及的目标检测、跟踪技术作了详细介绍。其次,利用已有的卷积神经网络的目标检测框架方法,提高了行人头肩检测的准确度和针对复杂场景下的适应能力。最后,结合基于KCF (核相关滤波)的目标跟踪方法,实现了对行人目标的多方向、多区域计数。基于上述研究,本文所设计的基于深度学习和多目标跟踪的行人计数系统在多组场景下进行了对比实验,结果表明计数系统具有较高的计数效率,且性能稳定,鲁棒性高,拥有着良好的应用价值。