开放渡口区域人流量大，容易产生人群堵塞，形成安全隐患。因此海事管理部门迫切需要掌握渡口区域不同时段的人流量，优化轮渡调配和实施安全监管。传统的人流量统计方法主要是人工和红外感应计数，人工计数耗时耗力，且精度不高，红外感应计数一般用于闸口，应用场景受限。已有部分采用视频图像分析的方法用于开放区域人数统计，但大多基于传统的图像处理方法，效果并不理想。本文采用深度学习技术实现行人的快速准确检测，对开放渡口区域行人跟踪完成人数自动统计，对海事部门实现有效安全监管和合理的轮渡调度安排，具有重要意义。主要工作及成果如下：
　　（1）提出了基于SSD改进的渡口行人头部检测算法。在渡口区域的视频监控图像中存在人群密集相互遮挡、光照变化等问题，会使行人个体无法准确分割造成漏检，为了避免多个行人被检测为一个目标，使用头部代替行人整体。分析现有目标检测方法，为了同时兼顾精确率和速度，本文选取SSD算法作为基础。由于头部属于较小目标，对SSD算法进行针对性改进，调整SSD网络结构，去掉网络后三层，分离类别和位置预测任务，使用双线性上采样进行类别预测特征融合，空洞卷积下采样进行位置预测特征融合，保持多尺度预测的思想。对头部目标框比例聚类得到默认框的比例，每层预测层对应的默认框扩展到两个大小基准，使得默认框适应行人头部尺度。通过实验对比SSD、DSSD和本文预测分离算法的检测效果，证明改进后算法在行人头部检测上效果更好。
　　（2）建立基于多特征匹配的渡口行人跟踪模型。渡口区域人群密集，行人为了避免发生碰撞会跟随前面的人缓慢移动，本文根据渡口区域行人的运动特点，选择了实时性强的卡尔曼滤波进行头部目标的跟踪和位置预测。行人在监控视频图像中的大小呈线性变化，根据运动规律构建卡尔曼预测，通过搜索半径计算搜索范围，在搜索范围内计算被跟踪和检测人头的颜色直方图、LBP纹理特征及IOU面积交叠比的相似度关联矩阵，使用匈牙利算法实现目标之间的多特征关联匹配。从实验结果上看，本文提出的多特征匹配方法比SORT跟踪方法有更好的跟踪性能。
　　（3）设计视频监控下基于扩展区域的行人自动计数方法。本文中的人流量统计不是静态检测统计，是关联前后视频帧的动态计数。为了满足视频监控人流量统计对准确率和时效性的要求，本文结合开放渡口场景，在监控区内划定
　　感兴趣区域，在扩展区域内进行行人的检测和跟踪。感兴趣区域缩小了图像处理范围，区域内人头数量相比于整个图像要少很多，且头部目标尺度较大，提高了检测的精度，减少了需要关联的头部目标数量，对跟踪效果有所提升。在扩展区域内结合双虚拟线计数法，对检测跟踪的行人头部目标进行动态计数，实现视频监控人数自动统计。实验证明扩展区域计数方法，在时效性和准确率上都有所提高。