行人检测和跟踪是目标检测和跟踪研究中一个重要的应用方向,可以实时精确的获取行人目标的位置和活动轨迹等信息,可以为行人的异常行为分析提供重要的参考信息,是自动驾驶等计算机视觉任务的核心技术。但在现实的应用场景中,出现行人在图像或者视频中尺寸小和行人之间遮挡的情况是不可避免的,这样对行人检测和跟踪的效果会有很大的影响,很大程度上限制了行人检测和跟踪算法在一些实际场景中的应用。针对如上问题,本文主要从特征融合等方面进行研究,完成以下研究工作:(1)针对特征在YOLO算法网络结构逐层递进的过程中被选择性丢掉,忽略浅层信息的问题。本文研究了 DenseNet网络结构,提出借助DenseNet网络结构进行深层特征和浅层特征进行融合,使深层的网络结构可以对浅层的视觉特征进行充分挖掘,充分使用行人在浅层特征中精确的位置信息。实验结果表明,在INRIA行人数据集和VOC数据集中的行人子数据集的组合数据集上表现出良好效果。(2)为了解决在存在行人遮挡的实际应用场景中对行人特征提取不充分、不完整的问题。本文采用头身对准模型,利用人的头部来增强行人检测能力,然后通过对齐损失函数对头身对准模型进行优化产生准确的检测结果。实验结果表明,头身对准模型可以很好的解决行人的遮挡问题,提高了行人检测的准确率。(3)由于Deep-Sort跟踪算法是基于检测的跟踪算法并且以Faster-RCNN网络进行检测,所以采用Deep-Sort算法进行行人跟踪时不能满足实时性的要求。本文采用改进的YOLO算法和Deep-Sort算法结合,利用改进的YOLO算法代替Faster-RCNN进行行人检测作为行人跟踪的基础,行人在遮挡的情况下不会被跟丢。实验结果证明,本文提出的方法有效解决行人遮挡时行人跟丢的情况和满足了行人跟踪的实时性要求。