随着信息化时代的高速发展,计算机视觉技术在众多领域发挥着重要的作用,其中行人检测及多行人跟踪作为计算机视觉的研究热点之一,近年来涌现许多优秀的研究成果。但行人检测在有遮挡、形变等情况下存在不足,而头肩检测则可以在一定程度下避免行人检测的不足。本文依据企业委托开发项目,考虑实际工程应用场景需求,研究基于头肩检测的多人跟踪算法及嵌入式实现,主要包含基于深度学习的头肩检测、人体头肩表观特征的提取、多人跟踪算法的研究、以及基于安卓的嵌入式实现。完成的主要工作如下:（1）构建了头肩检测数据集,该数据集包含8410个头肩目标,主要来源于校园拍摄、朋友相册和公开行人数据集。基于YOLOX-Nano网络结构,设计了一种学习率自适应调整方法,采用迁移学习的方式进行网络训练与优化,考虑嵌入式实现,挑选得到最合适的头肩检测模型YOLOX-Nano,该模型测试结果表明头肩检测的平均精确度为99.27%。与公开的行人检测模型就遮挡情况进行了对比实验,实验结果表明头肩检测模型对遮挡具有更好的鲁棒性。（2）构建了头肩表观特征提取数据集,设计了一种基于头肩检测和Sort算法自动构建数据集的方法,减少了大量的重复性工作。为了嵌入式实现,设计了基于Shuffle Net V2的轻量级表观特征提取网络,经过训练得到的特征提取模型测试精度达到97.5%,虽然精度略小于Deep Sort算法中提出的特征提取模型,但模型大小仅为3.8MB,与Deep Sort算法中的特征提取模型相比缩小了约12倍。（3）基于YOLOX-Nano头肩检测模型和轻量级头肩表观特征提取模型,结合Deep Sort多目标跟踪算法,构建了多人跟踪系统。对该系统进行有遮挡场景的测试,测试结果说明构建的多人跟踪系统具有好的鲁棒性。然后,利用高清摄像头在线监控行人流量,不仅可实现多人的同步跟踪,而且可统计行人流量,处理速度可达25帧/s。（4）基于安卓系统的嵌入式实现。本文使用的嵌入式主板型号为XY6762CA-C,由企业提供,外接IMX214型号摄像头模组。通过模型转换、加载与提取、以及安卓应用的开发,实现了多人跟踪系统的嵌入式应用,并进行了相应的实验测试,测试结果表明可实现速度达20帧/s的多人跟踪。