近几年,深度学习技术飞速发展,不断有人工智能相关的概念或应用被提出来,如智慧城市、智慧安防、自动驾驶等,而行人实时跟踪则在其中扮演了重要角色。行人跟踪任务是多目标跟踪重要子任务之一,该任务的算法通常会将跟踪过程分为两个阶段,即检测与匹配阶段。测阶段的目的是将图像中包含的行人目标使用检测框标注出来,从而定位行人位置,而匹配部分则是负责将前后帧的行人目标关联起来,使得相同行人被赋予相同身份,不同的行人拥有不同身份。因此论文以经典的Deep SORT跟踪算法为基础,通过改进检测部分的YOLOv5算法与匹配部分的再识别算法,实现对跟踪算法的改进,提升其精度与速度。检测方面,论文综合考虑了模型参数与预测精度的问题,决定采用单阶段检测算法YOLOv5进行行人目标检测,并对该算法做了三种改进:一是网络结构部分,论文在YOLOv5的基础上添加了一个小目标检测头,将算法主干网络的底层特征进行复用,提升了算法的小目标检测能力;二是特征融合方面,论文采用Swin-Transformer结构对提取的特征进行融合,利用注意力网络在提取全局特征与融合上下文特征的优势,提升算法的多尺度特征融合能力;最后,论文对损失函数中的CIo U部分进行改进,引入Box-Cox广义幂变换,使得高Io U目标的梯度与损失提升,从而实现算法检测精度的提升。对于再识别算法,论文以OSNet代替传统的残差网络,并对OSNet结构进行改进。主要是在OSNet中添加实例归一化（IN）层,削弱图像风格对特征提取的影响;之后论文构建了一种神经结构搜索空间,通过神经网络框架自动搜索的方式,获取最优的IN层插入位置,实现算法跨域泛化性能的提升。最后,对于跟踪算法,论文将上述的改进YOLOv5检测与改进OSNet再识别结合起来,使用改进YOLOv5进行获取视频帧的检测框,之后分别使用卡尔曼滤波与改进OSNet对检测框进行运动建模与外观特征提取,并利用级联匹配的方式对前后帧检测框进行关联,实现高精度的实时行人跟踪系统。