随着信息技术的发展,智能视频监控技术得到广泛关注和研究,行人检测作为智能视频监控技术的一个分支已被大量应用于监狱看守所。目前智能监控系统采用的行人检测方法主要有两种,其中传统的基于运动目标检测的方法速度较快,但在复杂环境下存在较多误检和漏检;而基于深度学习的方法检测效果较好,但是需要对监控图像进行降采样来提升计算速度以达到实时性,导致远处较小的行人无法检测,影响监控距离。监狱作为国家司法机关的重要处所,对行人检测技术的准确性,实时性以及监控范围均有很高的要求。针对监狱看守所监控系统无法实时准确检测远距离小尺度行人的问题,本文研发了基于背景建模的远距离行人检测系统软件。系统基于NVIDIA的Tegra Xavier处理器平台,采用模块化的思想将整体系统分为视频处理、系统业务和算法模块。视频处理模块实现流媒体的接收推送以及视频编解码。系统业务模块实现系统和PC监控平台的通讯、管理系统模块升级、记录系统工作状态。算法模块使用基于ViBe进行改进的背景建模算法对视频监控图像进行前景检测,提取出目标所在区域进行拼接,基于YOLOv3检测网络对拼接图像进行行人检测,避免直接在原图像上检测需要进行的降采样,同时能够滤除前景误检测目标。针对监控系统的实时性要求,利用剪枝方法对检测网络进行压缩,并利用Xavier平台搭载的嵌入式GPU和TensorRT推理加速框架提高算法处理速度。系统测试结果表明,本文研发的基于背景建模的远距离行人检测系统对前景检测算法的改进减少了动态背景误检并提高了目标完整性,最终能够准确识别在1920×1080图像上大小为10×20像素的远距离行人。