现如今,新兴科技不断地改变着我们日常生活,社会发展取得质的飞跃,我们迎来了“大数据”时代。结合时代特点,信息的采集也就成当今时代研究问题的根本,智能化视频监控设备的出现迎合大数据时代对于图像数据采集的需求。本文提出了一种基于深度学习方法对电梯内乘客信息统计的系统,主要用于收集电梯内乘客的性别和年龄段信息,为其他行业市场调研提供一种高效方式。本文提出的检测系统由目标检测模块和目标跟踪模块共同组成,检测模块可快速准确地获取人脸信息,本文分析了近年来深度学习领域出现的各种检测算法,考虑到检测算法实时性和准确度决定基于YOLOv3算法并结合电梯内环境进行改进,改进主要包括两个方面,一是将YOLOv3算法中常用的IOU损失函数替换为GIOU损失函数,同时结合Gaussian YOLOv3改进YOLOv3算法中边界框的生成,经过这两点改进后的算法称为YOLOv3-C,相较于YOLOv3初始算法在自建的数据集上测试准确度提升了 11%,而在目标检测算法经典数据集Pascal VOC2007上验证准确度提高了 4.9%,且在人脸被遮蔽情况下检测有较高的鲁棒性。在改进算法的基础上为了进一步贴合电梯内环境,在已有电梯内监控视频的基础上进行电梯内图片的裁剪与标注,同时为了丰富训练用的数据集,运用StyleGAN2算法制作了相对应的人脸库,来提升训练质量。之后,为了防止重复计数,本文结合DeepSORT算法实现人脸跟踪与计数进行人脸跟踪,且系统在计数过程中表现稳定且可以满足对电梯内乘客人流信息统计,为电梯内乘客信息研究提供参考。经测试,本系统在检测实时性和准度上均能达到企业市场调研所需工作要求。