一、研究背景：本项目结合监控技术与人工智能、大数据技术探究使用深度学习方法自动化地检测和追踪目标人物的实用性和有效性。具体解决问题包括两个方面： 1)大多数的工程环境下硬件设备往往不能达到深度学习的要求，本项目那个设计一种对硬件水平要求低、适用于各种复杂监控环境（如光线暗淡、人物尺度变化大）对人物的检测，为后续的追踪奠定基础； 2)目前市面上大部分追踪产品识别准确率并不高，并且对视频的清晰度、人物大小有相应要求。本项目使用先进的深度学习算法，将检测到的人物与目标人物进行比对，智能、高精度地识别出目标任务并保存相应视频到制定目录下，记录其相应轨迹，为后续追责提供基础。 二、技术难点：实时监控分析系统在完成现场作业实时展现的同时，实现了动态目标人物的自动定位与跟踪；动态目标人物的行动轨迹，记录目标人物在视频监控画面中的时空线索，便于回溯作业行为。 三、成果先进性：适用于各种复杂监控环境（如光线暗淡、人物尺度变化大）对人物的检测。 四、可推广性：安全生产是日常工作的重中之重，生产场所的视频监控更是无所不在，通常利用现场视频监控对工作过程进行管控。但由于工作不可能只在一个角度、一个位置开展，往往涉及跨越多个监控视野，使得管控工作难以实现全过程监视。本项目成果可以以工作人员为跟踪目标，在目标行动时可实现跨镜追踪，最终形成完整的目标人员行动轨迹，可以大大减轻监屏人员工作量，提高工作效率，拥有广泛的推广前景。 五、社会经济效益：目标人物轨迹追踪可以有效跨镜头追踪检修场景中的工作人员，并记录其运动轨迹，为后续的记录查看、责任追查提供依据。这提高了检修作业精细化、智能化、自动化的管理水平。