传统的人体跟踪实现方案使用红外摄像头或者是普通的视频摄像机，通过捕获大量的视频帧，来提取人体的位置信息和识别特征信息。大量的人体跟踪辨识研究集中在获取图像信息的基础上，基于图像信息的跟踪识别过程有两大问题：一是大多数视频摄像机在白天可以正常工作，一旦到了夜晚，光线暗淡的情况下，视频拍摄的性能大大降低，直接影响人体跟踪的效果；二是视频跟踪方法涉及实时计算，特征对象关联等都需要耗费巨额的运算量开销。考虑到视频跟踪系统的这两大缺陷，研究人员开始将注意力集中到一种可以24小时正常工作且运算量相对精简的人体跟踪系统的研制上，使得基于无线热释电传感器网络的人体跟踪与识别方法的研究日趋活跃。本文在深入分析热释电传感器输出信号的基础上，通过建模仿真，提出多人体跟踪辨识的改进算法，以应用于目前正在开发的多人体跟踪识别系统设备的软件中，使系统的实时性和准确度得到保证，并在此基础上改进系统的人体识别与跟踪算法的准确度。另外，考虑到基于视频的人体跟踪辨识系统的广泛应用，我们引入视频辅助的方式来提高系统的鲁棒性，可靠性以及冗余性。本文的研究工作集中在以下三个方面：（1）数据关联：本文通过建立目标-数据关联模型，解决了在固定跟踪目标的情况下，混淆目标以及错误性警报的问题；针对多目标跟踪辨识中的目标滤波，目标交叉，目标确认等各种问题进行了建模分析，并做了仿真实验，和实际实验测试，最终对于系统识别率做了比较分析，并给出了提高系统跟踪辨识准确率的具体方案。（2）信息融合：通过来自于多传感器的数据，消除不合理数据，从而将来自于各个传感器的较低精度和可靠性的测量值融合得到精度较高的结果；另外，对于跟踪辨识过程中应用到的数学模型，进行了建模分析，以及方程推导，给出了融合之后的概率模型，为本文识别应用到的最大概率模型奠定了理论基础。（3）特征提取：考虑到跟踪目标的特征信息和方位信息，通过建立二者各自的概率密度函数，从而为数据融合做好前期准备工作。由于本文利用的视频为辅，热释电传感信号为主的方法，提取的特征相应有图像特征和热释电信号特征。通过提取图像中的人体轮廓特征和基于热释电信号的方位特征进而融合成本文进行跟踪辨识的输入特征簇。仿真和实验结果表明，本文采用的多目标辨识方法可以很好地跟踪和识别目标，从而保证系统的可靠性和准确性。