在视频监控应用中,行人匹配技术一直处于该研究领域的前沿,随着社会对监控的要求越来越高,虽然行人匹配技术的研究也取得了一定的成果,但对于更加贴近真实场景应用的多摄像机多行人匹配技术仍有很多问题亟待解决。在多摄像机公共区域监控中,单相机只负责监控其中一个子区域,而相邻两个相机监控区域(即“视域”)之间则存在着“视域盲区”(即非重叠区域),此时相机获得行人的空间位置信息是离散的,不连续的,从而加大了视域盲区的行人匹配难度。针对视域盲区行人匹配的三个过程,即单摄像机行人的检测,目标追踪,多摄像机视域盲区行人匹配。本文对此三个过程主要进行了四个方面的研究:1、为了更好的对单摄像机中的多行人进行检测,本文利用基于统计学习方法的判别训练部件模型对行人进行检测。判别训练部件的模型是由三个部分组成:根滤波器,部件滤波器,空间位置模型。根滤波器粗糙的覆盖了整个行人,部件滤波器覆盖行人的重点部位,具有较高的分辨率,空间位置模型定位每个部件的空间位置。2、在研究单摄像机目标跟踪过程中,提出了基于改进的Heaviside核函数的目标追踪算法。它主要通过前景和背景特征分布差异建立新的目标模型,实验结果表明提出的算法和传统的算法相比具有精确度较高、速度较快等特点。此算法同样适用于多行人的跟踪。3、分析了多摄像机视域盲区行人特征模型的建立及相似性测量的方法,介绍了一种基于多特征融合的视域盲区行人匹配的算法,针对实验结果进行了分析。4、本文重点对上述算法的不足之处,提出了基于最佳组合特征的视域盲区行人匹配算法,通过实验比较找出最佳组合特征,从而使用最佳组合特征实现多摄像机视域盲区的行人匹配。实验结果表明提出的算法和上述算法相比匹配率更高,同时此算法和已有文献的匹配速率和匹配率分别进行了分析和比较。