随着对深度学习研究的深入,基于深度学习的目标跟踪算法相继被提出。传统基于人工选择目标特征的跟踪算法,在实际应用场景中对遮挡、光照变化、目标自身形变等,跟踪准确性和鲁棒性均不高。由于深度学习对目标有着强大的特征表达能力,所以深度学习在图像识别和分类领域得到了成功应用。目前基于深度学习的目标跟踪得益于网络模型,计算机技术和相关算法等优势,在跟踪效果上已经明显超越了传统跟踪方法。本文对近年提出的基于深度学习的目标跟踪方法进行了深入的研究,并提出将MDNet(Multi-Domain Network)深度学习跟踪模型与修改后的Faster R-CNN目标检测网络相结合,同时利用自己收集拍摄的实际场景标定样本对跟踪网络和目标检测网络进行再训练,进而实现目标的多摄像头跟踪,并将此方法应用于车站楼宇视频监控中。实验结果表明,与传统跟踪方法相比,本文算法具有更好的鲁棒性和准确性,可较好地实现目标的多摄像头稳定跟踪。本文的主要研究成果如下:(1)在现有深度网络模型基础上,使用自己拍摄收集并标定的实际场景图片再次训练网络。本文所用MDNet网络在网络训练时由共享层、全连接层和多个分类层构成。在线跟踪时,本文对算法中的正负样本采集策略、学习率以及网络参数更新策略进行改进。将本文所提算法应用到车站楼宇人群监控,取得了较好的跟踪效果。(2)对Faster R-CNN目标检测网络进行修改,并利用自己收集标定的样本再次训练网络。本文用目标检测网络来实现对视频图像中感兴趣物体的检测,不需要完成对物体的分类识别,所以本文屏蔽了对物体进行分类的网络结构。(3)将目标跟踪网络与修改后的目标检测网络相结合,并给出融合算法来实现对目标的持续跟踪。当跟踪目标消失在当前视频序列中时,需要在其它监控视频中寻找并定位目标。运用修改后的目标检测网络,在对图像检测出多个物体的基础上,利用本文算法实现对跟踪目标的定位,进而再次调用跟踪网络实现对目标的持续跟踪,即多摄像头视频序列目标跟踪。