视频多目标跟踪作为计算机视觉领域的一个研究热点,在视频监控、自动驾驶等领域有很好的应用前景。由于遮挡,光照,摄像机移动等原因,可能导致跟踪算法得到的轨迹数据出现错误,研究人员需要排查分析这些错误的轨迹数据从而改进跟踪算法,最后与ground truth对比,评估算法性能。但是,目前尚没有比较完善的轨迹分析技术体系。因此,研究与视频多目标跟踪中轨迹分析相关的技术是必要且迫切的。本文的研究内容如下:1)单视角下的轨迹可视化分析技术。设计了轨迹的多角度展示功能(常规展示,缩放展示,目标到原始帧跳转,动态展示,前向后向预测),解决了轨迹数据的空间属性,外观属性,时间属性隐晦不可见问题;设计了轨迹的可视化编辑(剪切,粘贴,删除)与保存功能,通过这两个操作可保存感兴趣的轨迹片段,有针对性的对其分析;设计了轨迹数据附加信息的加载功能,可加载跟踪算法的一些中间数据到软件的输出窗口,比如目标的外观特征值,轨迹间的相似度度量值等。2)单视角下的轨迹比较分析技术。建立了轨迹配对的数学模型,并定义了计算轨迹集合相似度的公式方法,辅助比较配对的轨迹。3)多视角下耦合的可视化分析技术。设计了耦合中轨迹片段的分段标记功能,方便观察分析耦合的构成,并定义了计算耦合质量的公式方法,辅助筛选低质量的耦合,有针对的进行可视化分析。4)轨迹/耦合快速加载技术。使用多线程技术通过生产者消费者模式,为单视角下的轨迹可视化分析,单视角下的轨迹比较分析,多视角下的耦合可视化分析设计了快速加载模型。测试结果表明快速加载模型在很大程度上解决了轨迹/耦合原始数据数据量大,转换成轨迹/耦合图像效率低下的问题。5)轨迹高效标注技术。设计了一种高效的轨迹标注模型,可以快速得到类似ground truth的参照标准,为跟踪结果提供对比对象。测试结果表明该标注模型既提高了标注效率又保证了标注效果。其消耗的标注时间约是纯手工标注的,CVAT的;其标注得到的轨迹数据与纯手工标注得到的整体相似度约是。6)视频多目标跟踪下的轨迹分析软件。使用C++编写代码,结合QT框架将上述技术实现汇总在了应用软件中。