1.一种基于YOLOX的渡船货载车辆行人检测与跟踪方法及渡船监测平台，其特征在于，包括以下步骤：(1)使用渡口摄像头获取登船车辆行人视频；

(2)搭建渡船入口车辆行人检测模型与渡口车辆行人跟踪模型；

(3)训练渡船入口车辆检测模型，将渡口监控摄像头捕捉到的视频进行抽帧，构建渡口车辆行人检测数据集，并将图片分批次送入目标检测网络中进行训练，得到适用于渡口车辆行人检测的检测模型。

(4)训练渡船入口车辆跟踪模型。渡船入口车辆跟踪模型包括三个组成部分，分别为对于输入视频中目标特征的重识别，卡尔曼滤波与匈牙利匹配，其结果为保证视频中目标的ID不变性。

(5)启动该服务，将渡口车辆行人信息传递给渡船监测平台。用户可通过该平台实时查询登船车辆行人数目信息。

2.根据权利要求1所述的面向渡船货载的目标检测与跟踪方法，其特征在于，所述步骤(2)中渡船入口车辆检测网络模型为改进的YOLOX‑S模型，其作用在于对传入视频进行目标检测；渡船入口车辆行人跟踪模型为deepsort模型，其主要包括特征重提取，卡尔曼滤波与匈牙利匹配算法。

3.根据权利要求1所述的面向渡船货载的目标检测与跟踪方法，其特征在于，所述渡船入口车辆检测模型主要包含以下改进点：替换YOLOX‑S主干网络，使用自己搭建的CSP‑Efficentnet替换掉原始的CSP‑Darknet；使用改进的SPP模块替换掉现有的SPP模块；在加强特征提取网络中添加注意力机制。

4.根据权利要求1所述的面向渡船货载的目标检测与跟踪方法，其特征在于，所述渡船入口车辆检测与跟踪模型主要包含以下改进点：在数据级联匹配中使用CIOU作为损失函数。

5.根据权利要求1所述的面向渡船货载的目标检测与跟踪方法，其特征在于，所述渡船入口车辆行人检测模型最终效果的判断标准包括召回率，准确率，权值文件大小，平均精准度指标(mAP)。

6.根据权利要求1所述的面向渡船货载的目标检测与跟踪方法，其特征在于，所述渡船检测平台由三部分组成，vue框架实现前端页面，springboot框架实现数据库的存取与船舶管理，python构建目标跟踪与目标检测网络。vue与springboot之间通过http协议传递信息，springboot与python之间通过socket传递信息。

7.渡船检测平台，其特征在于，包括前端显示模块，后端获取视频流服务模块，目标检测与跟踪服务模块，摄像头。

所述前端显示模块，用于用户调用摄像头，对渡船入口车辆行人实现实时监控；

所述后端获取视频流服务模块，主要包含将摄像头拍摄视频转换成base64格式传入后台数据库，同时转换成目标检测网络所需的格式，调用目标检测与跟踪服务模块，实现渡口车辆行人跟踪，最后，将网络的输出视频解析成base64格式，与计数信息一起返回船舶管理平台，并同时存入数据库；

所述目标检测与跟踪服务模块，被部署为：

搭建目标检测与跟踪模型；

创建socker服务，并获取主机地址，配制相应的端口号；

启动服务。

8.根据权利要求6所述的渡船检测平台，其特征在于，通过PC端外接监控摄像头装置，将摄像头拍摄的渡口车辆行人监控视频通过视频流传入道springboot后端服务中，通过调用目标检测与跟踪服务进行实时检测与跟踪计数。最终将检测结果返回给springboot后端服务，再由该服务将信息反馈给前端用户。