近年来,随着“智慧校园”建设的飞速发展,对完善现代化校园中智慧精准的联动互联网以及硬件设备等的建设的需求亟待解决。随着校园WIFI的无缝覆盖,校园内教室、路口等关键位置高清监控摄像头的完善部署以及智能移动设备的全面普及,面对监控摄像头和无线路由等硬件设备所采集的海量数据,传统的基于行人轨迹追踪、目标检测所实现的软硬件、数据可视化管理系统已经无法满足智慧校园对校园师生日常学习和生活进行深入分析的需求。譬如基于师生位置信息的人群密度预警、出行建议、自习室选择建议等功能,都需要新的技术系统加以实现。本文所述系统以校园现有的视频监控、路由管理系统数据为基础,使用改进的基于Tiny-yolov3的实时行人检测算法进行人数统计,使用爬虫框架Scrapy抓取路由管理系统来获取整个园区学生用户的近实时WIFI连接信息,对其加工处理后可以得到校园WIFI用户的实时位置信息。此系统具有以下功能:根据园区各建筑、楼层、房间、路口摄像头行人检测算法得到的人数信息,绘制实时校园热力图;根据学生用户的实时位置信息,绘制行人轨迹图;通过对比园区实时热力图数据和系统当前登录的学生用户的运动轨迹图数据,可以实现人群密度预警、出行建议等信息的推送等。本文主要完成以下工作:1.在TensorFlow框架下,利用基于Tiny-yolov3改进的实时行人检测算法构建行人检测模型(包括获取数据集、训练以及测试)。该算法可以降低计算复杂度、节省内存资源,增加非线性激励函数,提高网络的特征提取能力,在检测精度和检测速度之间达到了完美的平衡,更适合于实时校园环境下的行人检测。2.通过融合Scrapy爬虫模块和摄像头视频流采集模块获取到的数据,进行基于师生用户实时位置的预警信息推送。使用爬虫框架Scrapy抓取连接校园WIFI用户的连接状态信息,对其进行数据处理后得到结构化的用户运动轨迹数据;对摄像头视频流采集模块采集到的图片进行目标检测,统计园区中用于实验的摄像头下的人数信息,绘制园区近实时热力图;根据近实时热力图获取到园区各建筑、楼层下的人数信息,以及用户运动轨迹图获取到的用户实时位置信息,进行基于用户近实时位置信息的人群密度预警、自习室选择建议等预警信息的推送。3.设计并实现行人轨迹分析系统,通过对整个系统的架构需求分析,将系统划分为五层架构,通过对每个功能模块可复用设计,使得系统在满足用户使用各个功能模块的同时,保证了各功能模块的可拓展性、功能模块之间的低耦合性。本系统的深度应用是建立在对园区内行人轨迹分析基础之上的。该系统的原理是通过利用对Tiny-yolov3的改进实时行人检测算法来统计人数、用Scrapy框架来获取用户运动轨迹信息,并对上述人数、轨迹等数据信息进行加工处理,实现对软硬件的结合应用。经过对该系统的测试,证明该系统可以利用摄像头检测人群密度,并通过无线定位对个人的具体信息(如位置、学工号等)进行确定,因此可用于疫情防控期间监测人群密集度、人群活动轨迹范围等情况。