目标检测与目标跟踪是计算机视觉领域的两大任务,在服务机器人、智能交通、智慧城市以及各种监控领域都有着广泛的应用前景。本文针对检测与跟踪算法在发展过程中所遇到的问题和不足,探究了如何解决和应对检测与跟踪领域存在的难点和挑战,实现了融合人体检测算法与跟踪算法的视觉感知系统。主要研究成果包括:1、改进了一种基于卷积回归网络的高速目标跟踪算法。设计和比较了不同结构的基础神经网络,通过运动模型分析和数据增广增强了模型的泛化能力。在OTB公开数据集上进行了测试以及与其他算法的对比,本算法表现出较高的准确性和实时性。2、提出了一种基于度量学习的人体跟踪算法。设计了一种多尺度特征重组(reorg)的方法,提高了对不同尺度人体跟踪的准确性;通过引入度量学习中的三元组损失函数,解决了背景杂乱和相似物体干扰的跟踪难点。在OTB公开数据集上关于各跟踪难点进行了测试,实验结果验证了本算法的鲁棒性。3、开发了一个小型的可实时运行的人体检测跟踪系统。首先改进了 一种基于SSD的人体检测算法,通过kmeans聚类设计prior box提高了小物体的召回率;其次使用特征共用和序列化训练的方式将检测算法与跟踪算法进行了融合,并构建了整个人体检测跟踪系统的多任务逻辑框架;最后对系统进行了模型压缩与加速方面的工作。