运动目标检测与跟踪技术是计算机视觉、数字图像处理和模式识别等领域中一个非常重要和活跃的研究热点。在智能监控、工业检测、医学分析和军事等众多领域都有着广泛的应用,蕴藏着巨大的商业价值和发展潜力。随着应用场景的不断拓展,跟踪多个目标对视频内容的自动分析和虚拟现实变得愈发重要。多目标跟踪的目的是从视频序列中推导出每个目标的轨迹,这可以被看作是一个动态增量时空聚类问题。近年来,如何更有效地制定数据关联优化以克服模糊的检测响应,以及怎样建立更有效的数据关联模型,引起了越来越多的关注。为了解决这些问题,本文基于多假设跟踪框架,对视频场景下多目标跟踪技术进行研究,并提出一种基于度量学习和多线索融合的分层多假设跟踪方法(MHMHT),该方法结合了更多的时间上下文信息,能够更加鲁棒地进行数据关联。该算法使用关联轨迹的特征向量与轨迹假设的显著模板之间的距离计算表观相似度,然后与使用卡尔曼滤波器计算的动态相似度进行融合以获得关联亲和度。为了使表观相似度量更具有区分性,将滑动时间窗中可靠小段轨迹的时空关系作为约束条件,来学习衡量特征向量与显著模板之间距离的表观判别度量。本文的研究主要有三点贡献:(1)提出了一种具有分层结构和多假设跟踪优势的分层关联框架,通过考虑更多的时间上下文信息,逐步连接小段轨迹获得目标轨迹。(2)提出一个鲁棒的表观模型,用于结合已生成轨迹的高阶时间上下文,计算显著模板集合的相似度,然后借助可靠轨迹通过逻辑回归将表观相似性与动态相似度进行融合。(3)利用小段轨迹的空间-时间关系作为约束来学习判别性表观度量,以衡量特征向量和用于表观建模的显著模板之间的相似度。已生成的轨迹假设的显著模板通过考虑高阶时间上下文信息,以增量聚类的方式来更新。最后,本文选取具有挑战性的基准数据集来评估所提出的MHMHT跟踪器,并采用了常用的评估指标进行评估。定性和定量的分析表明,所提出的跟踪算法跟几种先进的方法相比,具有良好的性能。