近年来,随着视频监控设备的增多,人们的安全意识在逐步提高。传统视频监控只能依靠工作人员进行操作,难免会存在因工作人员的疏忽而导致事件发生时不能及时处理的问题。随着人工智能的发展,智能监控系统慢慢走近人们的视野,因此本文以室内目标检测为技术支撑,基于传统的视频监控系统实现部分监控功能的智能化,以某大型商场的16路摄像头为应用场景,完成对商场内重点区域的入侵检测以及在商场停止营业后对商城内滞留人员和遗留物的检测。本文完成的主要工作如下:对比当下主流的网络,YOLOV3在检测精度和速度都遥遥领先,再结合本次系统的任务要求,决定使用YOLOV3对室内目标进行检测,为了解决深度学习中数据集目标种类缺乏的问题,本文构建以一个只含有“人”的数据集,并修改YOLOV3的网络模型,让YOLOV3只对“人”进行识别,准确率比原YOLOV3提高了6%左右。针对深度学习网络模型大,检测速度慢,无法满足视频实时检测的问题。使用Tensor RT加速YOLOV3模型。对Tensor RT的加速原理进行分析并实现加速。权重数据格式类型的转换是Tensor RT加速的主要方式之一,通过将FP32的数据格式转换位INT8的数据格式,对比几个主流目标检测的模型,该种加速方式对模型的精度不会有大幅的影响,在使用Tensor RT加速YOLOV3后,YOLOV3检测单帧图片速度为20ms,相比较未加速的模型,检测速度提高了5倍。为了检测出其他目标,我们将室内的目标分为“人”和“物”,在YOLOV3检测出“人”的基础上,使用背景差分法与YOLOV3进行融合检测,将背景差分法的目标框与YOLOV3的目标框进行IOU计算,以YOLOV3目标为根据来排除背景差分中“人”的目标框,则剩下的框就是“物”的目标框,通过这样的融合检测算法可以实现“人”和“物”的分类。为了解决背景差分后,前景区域的阴影问题,提出使用YOLOV3特征图作为背景差分的输入,然后使用基于图像处理的形态学操作,将二值化后的图片进行噪声过滤和空洞填充。实验表明,特征图对室内目标所产生的阴影具有较好的鲁棒性。基于Nvidia Jetson Xavier计算平台,开发一套室内目标视频智能检测系统,用于大型商场内重点区域的入侵自动检测和滞留人员及遗留物的自动检测。经测试,系统可以有效的完成两个模块的检测任务。