随着科学技术的进步,人工智能技术得到人们越来越广泛的关注,在研究人工智能的过程中,出现了很多杰出的科研成果,深度神经网络就是其中之一。深度神经网络优秀的特征提取性能使得众多研究者尝试将它融入到传统的图像处理算法中,并使得计算机视觉技术得到了长足的发展。由此,计算机视觉技术的应用范围越来越广,智能汽车就是一个重要的应用方向。针对当前智能汽车的行人目标视觉感知性能较低的问题,提出了一种基于深度学习的融合了Mask R-CNN算法与Deep SORT算法的行人跟踪与姿态估计模型,论文的主要内容如下:（1）针对Mask R-CNN区域建议网络中所使用的锚框在训练行人目标特征时收敛速度较慢这一问题,提出如下解决方案:根据统计学规律,使用更符合行人目标自然宽高比的锚框替换部分原锚框。具体做法是去除宽高比为2:1的锚框,替换成宽高比为2:5的锚框,对于新的锚框组,锚框数量与面积相对于原锚框组保持不变,只改变锚框的尺度。使用这种优化方式,可以在不引入额外计算量的前提下加快网络的收敛速度,提高检测的精度与速度。（2）针对Mask R-CNN深度残差网络中使用直连通道连接输入层与后面的层,卷积核类型不够全面这一问题,提出如下解决方案:移植了轻量级网络模块SKNet替换部分原网络的卷积模块。具体做法是用3×3的卷积与5×5的卷积加上一个特征通道权重全连接层组成SKNet网络结构,使用这个新的网络结构替换原卷积层中核为3×3的卷积模块。使用这种优化方式,可以使网络在训练过程中能自适应地选取最佳的卷积核,提高特征表示的质量,提高检测的精度与速度。（3）针对Deep SORT特征匹配过程中使用传统的卷积神经网络特征作为目标的特征描述算子,在对行人目标进行特征表达时效果不理想这一问题,提出如下解决方案:用在图像局部区域内的方格单元上进行统计计算的方向梯度直方图作为特征描述算子。使用这种优化方式,可以加强提取行人目标过程中的抗干扰能力,提高特征匹配时的精确度与鲁棒性。论文通过对比实验验证了各个关键模块对模型性能的提升效果,将模型与另外几种主流算法进行了对比,比较了对行人目标的输出框与标注框的中心点平均误差距离,通过实验数据说明了论文对模型的优化具有实际意义。