随着现代城市的高速发展,城市的人群密度呈现出了爆炸式地增长,同时城市人群行为的安全监控和自动化分析成为计算机视觉中一个重要课题,对防范和追踪重大公共安全事故具有重要意义。跨摄像头下的多目标追踪也越来越受到更多的研究学者们的关注。跨摄像头下多目标追踪任务的目的是尽可能地确定所有行人目标在所有摄像头下的运动轨迹,以监控和分析人群行为。具体来说,跨摄像头多目标跟踪要求首先在各个摄像头下进行多目标识别跟踪,尽可能多且准确地确认单一摄像头下的行人的运动轨迹,之后需要通过表征学习和聚类算法,将多个摄像头同一行人的运动轨迹合并,来确认出目标行人在所有摄像头下的全局运动轨迹。目前基于深度特征的跨摄像头多目标追踪算法取得了较好的结果。相较于传统的手工特征,深度特征具有更加丰富的语义信息,表征能力更强。在本文中,我们首先调研了现有算法的具体实现细节,分析了它们的优势和不足,在此基础上加以改进,提出自己的解决方案,并通过实验加以验证。最近的跨摄像头多目标跟踪算法主要都是基于人体表观特征,使用更深的网络和更复杂的损失函数,试图学习表征能力更强的特征,在跨摄像头追踪时则使用一些复杂的聚类算法,在公开数据集上取得了不错的结果。然而在真实场景中,人体特征往往并不足以处理所有情况,而过于复杂的聚类算法则导致了效率低下,直接限制了实际应用。本文另辟蹊径,基于已有方法做出改进,建立了一个人脸人体联合跟踪和识别的框架,结合人脸和人体表观特征共同识别行人目标。为保证算法效率,本文使用了一个更加轻量级的聚类算法,并加入了全局轨迹一致性的时间空间约束条件来做进一步的正则化。在公开数据集上的结果表明,和目前为止已公开发表的算法相比,本文所提算法取得了性能上的极大提升,达到了先进结果。