主要针对安防监控领域现有行人监测系统的诸多通用难题,研究设计了基于Jetson-nano的嵌入式端行人检测跟踪系统。收集开源数据集,采用一阶段目标检测YOLOv3算法为主要框架,在linux服务器上训练pytorch神经网络模型,基于原始主干网络darknet-53的结构,通过添加自适应空间特征金字塔asff模块和基于人类视觉感受野的RFB模块,增大先验框感受野,提升深层次特征,生成较原始网络结构检测精度改善的最优模型。然后结合多目标跟踪deep sort算法,在行人检测的基础上完成行人跟踪,生成行人ID和轨迹。最后,由于本文你系统要求实时性,且计算力有一定要求,因此采用jetson-nano最为主要实现平台,nano同时拥有cuda核心,方便移植GPU算法。为使嵌入式端的运行速度加快,进行一定程度的模型剪枝和TensorRT推理加速,最终经过视频场景测试验证,系统满足设计要求,有较高的准确率,可用于实时检测跟踪行人并进行行人分析。