随着深度学习技术及相关算法的发展,智能视频监控在安全防范、远程指挥、应急救援等多个领域发挥出了巨大的价值。但目前的智能视频监控对检测和跟踪行人这种特征多变、运动方向不定的对象而言,准确性和稳定性难以满足现阶段监控系统对精度和响应速度的实际需求。因此本文从智能视频监控出发,对行人检测和跟踪算法进行深入研究及改进,并实现了高效行人检测与跟踪监控系统,主要完成的工作如下:（1）首先针对在行人检测过程中因局部遮挡和非刚体变化造成的检测位置不准确问题,研究了遮挡物数据增强与可变形卷积应用到Center Net网络对检测效果的提升;然后根据具体的行人特征分布和检测过程中容易出现行人间相互遮挡的问题,改进原模型中的高斯核分布形式,使之更加适应行人这一类别的检测,从而降低了视频中因行人相互遮挡带来的漏检;最后对检测结果进行评测,实验结果表明在检测速度能够保证实时的条件下,检测结果的平均精度和稳定性都得到明显提升。（2）在检测的基础上进行数据关联。首先针对行人在检测框中的位置不固定造成外观相似度估计不准确问题,使用了一种注意力结构提取外观特征;其次对于因行人漏检和错误匹配造成的精度降低和频繁的身份信息切换,基于外观特征、运动特征、几何特征提出了一种动态加权融合策略进行数据关联;然后对于因行人长期漏检造成的轨迹分离和临近视频中的同身份轨迹,提出一种轨迹衔接方法,有效降低因长期遮挡造成的轨迹分离并实现跨视频的轨迹衔接;最后在数据集MOT16上进行实验,结果表明本方法所实现的跟踪器在MOTA、MT、ID Switch等指标上的表现都有显著提升。（3）针对传统视频监控中的数据冗余、查询及分析不够灵活等问题,实现视频监控下的行人检测跟踪系统。本系统通过相机采集数据,通过服务端对采集视频进行计算与存储,本地客户端实现计算结果接收加载、数据可视化及与用户的交互。最终通过相机、服务端、客户端以及各设备之间的数据通信协同实现视频监控的结果存储、降低数据冗余、可视化分析功能。