Bài báo này trình bày một mô hình tổng quát để nhận dạng tự động người dựa trên các bức ảnh thu được từ camera giám sát. Mô hình này có thể được sử dụng cho việc học chuyển đổi và nghiên cứu sâu hơn, cũng như tinh chỉnh để triển khai cho các dự án cụ thể trong thực tế. Đầu tiên, chúng tôi huấn luyện mô hình trên tập dữ liệu được cung cấp sẵn để mô hình làm quen với đặc trưng của đối tượng quan tâm. Tiếp theo, chúng tôi thực hiện quá trình học chuyển với các tham số đã học này trên tập dữ liệu được thu thập từ môi trường “thế giới thực”. Quá trình này giúp mô hình được tinh chỉnh để thích nghi tốt hơn với các điều kiện thách thức trong thực tế. Thêm vào đó, để tối đa hóa hiệu suất của mô hình, chúng tôi khai thác YOLOv8, một trong những mô hình phát hiện đối tượng tiên tiến đã được công bố gần đây. Các kết quả thí nghiệm cho thấy tính khả thi của cách tiếp cận này khi được sử dụng cho giám sát video trong thành phố  thông minh.