在日常生活中保持社交距离有助于保护人们的生命财产安全不受侵害,尤其是在疫情时期,保持一定的社交距离是防止病毒传播的有效途径,然而个体并不习惯自己与其他人之间保持2米以上的距离。因此,能够探测行人间距并向他们发出警告的社交距离检测系统可以有效减缓致命疾病的传播。当前,国内外研究人员分别在行人检测、跟踪与距离估计等领域有深入研究,但针对以上领域的融合研究仍相对较少。本文提出了一个包括行人检测、行人追踪与行人间隔距离估计的三阶段社交距离检测追踪模型,并基于此模型开发了单目社交距离检测追踪系统。本文的具体工作如下:1)基于现有的YOLOv5算法提出改进,使用Ghost Bottleneck模块代替YOLOv5算法中Backbone模块的Bottleneck CSP子模块,同时在每个Ghost Bottleneck模块和卷积层之间增加了Squeeze and Excitation模块,在保证检测精度的前提下,提高行人检测的速度,保证系统的实时性能。2)使用改进后DeepSORT方法完成行人跟踪和行人ID匹配工作,在DeepSORT的基础上对卡尔曼滤波的匹配过程进行改进与实现,完成了对视频中被遮挡行人的长时间跟踪。3)基于相互学习的方法,利用谷歌开放数据集（Open Image Datasets,OID）对行人检测追踪模型进行训练,随后使用牛津城镇中心数据集（Oxford Town Center Datasets,OTCD）和自制数据集对模型进行测试,测试结果显示本文提出的模型有较低的身份变化总数（The Total Number of Identity Switches,IDSW）和较高的每秒传输帧数（Frames Per Second,FPS）,保证了行人检测和追踪的速度和稳定性。4)研究了单目摄像机的成像原理,使用张氏标定法获得摄像机的内参和畸变参数,随后通过逆透视变换的方法生成感兴趣区域的鸟瞰图,在鸟瞰图中利用比例因子对行人之间的三维空间距离进行估计。在电子科技大学主楼门前的广场进行了测距实验,实验结果表明本文提出的测距方案测距误差保持在10 cm以内,其中平均误差保持在4-6 cm。5)融合行人检测、行人追踪与行人距离估计三个模块,基于PYQT5开发了单目社交距离检测追踪系统,系统包含登录注册、视频采集、参数设置和结果展示四大模块,最后对系统的运行效果进行了展示。