在智慧旅游建设中,景区客流量作为衡量一个区域繁忙程度的重要指标,愈发得到管理人员的重视。行人检测与跟踪技术作为计算机视觉领域的一个研究热点,被广泛应用于智能视频监控、客流统计等众多领域中。针对现有的基于景区视频的游客数量统计方法中,对视频中出现的小目标游客的统计准确率仍然不高的问题。本文利用行人检测与跟踪等方法,对景区游客视频进行处理获取客流量,进一步提高了统计游客目标的准确率,为景区管理人员提高服务质量提供了数据支持。本文主要研究工作包括:（1）由于景区视频中包含大量的小目标游客,而现有的目标检测模型对小目标的检测效果并不理想。本文对目标检测模型进行了一系列的改进,包括扩展检测尺度、优化损失函数等,提高了模型对小目标游客的检测精度。在此基础上,针对景区客流量统计的实时性需求,利用轻量化网络设计提高了检测速度,同时具有较高的检测准确率。针对景区视频中游客目标互相遮挡情况严重的问题,使用Soft-NMS对检测结果进行处理,减少因遮挡导致的漏检问题。通过在景区视频行人数据集上进行实验,验证了该模型在满足实时性要求的同时保证了较高的统计精度。（2）提出了一种基于深度学习的客流量统计方法用于景区视频监控中的游客数量统计,得到景区客流量。该方法分为三个阶段:行人检测阶段、多目标跟踪阶段以及客流量统计阶段。行人检测阶段使用目标检测算法对监控视频中的游客进行检测定位,获取视频中所有游客的位置信息;多目标跟踪阶段,使用多目标跟踪算法对检测出的目标进行数据关联,得到每一个游客的运动轨迹;客流量统计阶段对游客的运动轨迹进行统计,获得景区客流量。（3）使用人群密度估计方法解决了景区游客数量过多导致目标检测与跟踪方法统计游客人数误差较大的问题。当人群过于密集时,目标检测算法无法有效检测出所有游客目标,使得统计数据误差较大。而人群密度估计方法能够提取游客的人头特征,生成一张人群密度分布图,实现对密集人群的人数统计,解决了密集人群游客数量统计误差较大的问题。