在人群密集场景下，由于有大量的个体出现导致了更为严重的视线遮挡、场景混乱模糊、复杂行为等等问题。适用于低密度场景下的行人检测和跟踪算法在高密度的场景中检测和跟踪的准确率大大降低，甚至失败。本技术针对以上问题提出了一种基于人体头肩部模型的检测算法和跟踪算法。采用支持向量机器(Support vector machine，SVM)学习方法训练分类器，结合方向梯度直方图(Histogram of Oriented Gradient，HOG)与HSV(Hue-Saturation-Value ,HSV)融合特征实现行人的精准检测。在检测算法的基础上，对粒子滤波框架进行改进，并对目标短暂丢失问题做特殊处理。通过实验验证，本技术提出的检测算法的平均准确率达到94%。对行人的跟踪平均准确率达到95%。