智慧建筑是建筑发展的新方向,它集成了深度学习、物联网、云计算等现代化信息技术,通过采集场景内人员信息和环境数据,分析设备的最佳运行状态,从而为人员提供安全、健康、舒适、便捷的生活工作环境。现如今,新冠病毒仍在全世界各地传播,疫情防控措施仍需要严格贯彻。智慧建筑的首要任务是为人员提供安全环境,人员的口罩佩戴情况和运动轨迹对于疫情防控具有重要的参考意义,因此,针对建筑室内环境开展人员口罩佩戴情况识别和特定目标或所有人员跟踪的研究具有重要的意义。现阶段,人员口罩佩戴情况仍需派遣人员检查。同时,现有的特定目标或所有人员跟踪算法大多基于可见光图像开展。在遮挡频繁、尺度变换不规律等影响下,现有跟踪算法难以提供准确、稳定的运动轨迹。为解决上述问题,本文主要研究以下三个方面:（1）人员口罩佩戴情况识别算法。该算法主要由YOLOv4目标检测算法和Transformer模型组成,用于识别场景内人员口罩的佩戴情况。该算法首先利用迁移学习技术训练YOLOv4目标检测算法,实现人员头部的检测任务。随后利用迁移学习技术训练Transformer模型,以识别场景内人员口罩的佩戴情况。（2）基于RGB-D的特定目标跟踪算法。该算法利用目标的深度信息和运动信息补偿修正现有孪生跟踪算法的搜索区域位置,以稳定跟踪用户设置的目标。该算法首先分析现有孪生跟踪算法的不足和目标在深度图像中的特点,提出一种基于深度信息的特定目标遮挡状态判断模块,该模块根据目标的深度直方图信息和时序变化趋势判别目标的遮挡状态。然后,利用卡尔曼滤波器获取目标的运动信息,结合目标的遮挡状态修正孪生跟踪算法的搜索区域,提升算法抑制频繁遮挡带来的干扰,提供稳定的目标轨迹。（3）基于非对称孪生网络的多人员跟踪算法。该算法融合场景的可见光和深度图像信息,借助视频序列的时序信息抑制错误轨迹,优化低质量轨迹,实现多名人员的准确跟踪。首先,本文分析RGB图像和深度图像的卷积特征特性,提出一种非对称式孪生网络结构用于提取图像特征。该网络相较于对称式孪生网络,具有计算复杂度低、特征提取质量更佳的特点。然后,本文利用注意力模块去除RGB特征和深度特征中的冗余信息,融合形成高质量的RGB-D特征,提升算法对人员的响应能力。随后利用孪生跟踪算法初步生成每一名人员的运动轨迹。最后,该算法引入视频序列时序信息判断轨迹质量,抑制错误人员轨迹输出的同时,优化低质量人员轨迹,输出更加完整准确的跟踪轨迹。本文在多个场景下验证上述算法输出结果的质量。具体的,本文设置了多组消融实验和对比实验,用于验证本文所述各模块的有效性。最后,本文整合人员口罩佩戴情况识别算法、基于RGB-D的特定目标跟踪算法以及基于非对称孪生网络的多人员跟踪算法,设计并实现了面向疫情防控的人员跟踪系统。实验结果表明,本文所述系统可以准确识别人员口罩佩戴情况,稳定跟踪特定目标或场景内的所有人员,并给出场景的安全程度。在实际场景下,本文设计系统可以满足疫情防控的需求,具有良好的实用性。