目标检测技术与目标跟踪技术都是视频监控领域研究的热门方向,行人检测技术是目标检测技术中一个关键的研究方向。目标检测技术与目标跟踪技术在当今社会的各个方面都有着普遍的应用。在当今大数据时代的背景下,视频监控已经逐渐普及,针对海量的视频数据,使用人工方式处理海量的数据是不现实的,因此,如何实现智能化的目标检测与目标跟踪是是极其重要的研究课题。本文提出了一个基于深度学习的行人检测的框架。在该方法中首先使用一种优化的PVANet网络对给定的视频序列生成对应的特征图,然后使用区域提议网络来生成行人候选者以及对应的分数,最后使用决策树分类器来完成分类任务,判断生成的行人候选者是否是行人。本文提出的方法在加州理工学院的行人检测数据集以及INRIA数据集上进行了实验,得到的实验结果证明了本文提出的行人目标检测框架的有效性。本文提出了一种上下文相关的基于相关滤波器的目标跟踪方法。该方法在基于相关滤波器的端到端的目标跟踪网络中利用不同的判别相关滤波器分别进行平移估计和尺度估计,以提高跟踪器对于目标尺度变化的自适应性;同时,该方法在跟踪器中结合全局上下文信息对目标的位置进行准确的定位,以提高在背景比较复杂的情况下对目标的跟踪性能。本文提出的目标跟踪方法分别在VOT2017数据集以及OTB2013数据集上进行了实验,得到的实验结果表明,与现有的一些比较先进的目标跟踪方法相比,本文所提出的目标跟踪的方法在目标跟踪的过程中有着更好的性能。