随着大型视频监控网络的建立,数据量爆发式增多,利用人工识别并在大型摄像机网络中连续跟踪可疑目标越来越困难,因此智能视频监控技术领域的研究越来越受到人们的关注,其中的行人跟踪技术近年不断被人们研究。本文主要研究一种非重叠视域多摄像机场景的行人跟踪算法,将其分为单摄像机中的行人跟踪和跨摄像机的行人目标交接问题分别提出算法,整理出一种多摄像机行人跟踪方法。首先,在单摄像机中跟踪与跨摄像机目标交接中,均以目标外观特征作为主要的跟踪线索,本文利用深度学习提出一种深度外观特征提取方法。针对跨摄像机跟踪经常出现的行人方向角度变化问题,设计一种基于三元组损失函数的融合方向信息的三元组损失,提供了一种深度外观特征的提取方法,该行人外观特征可以在行人角度发生变化时仍然具有判别性。此外,为了进一步提高特征提取模型的性能,设计加入了 BNblock结构,在特征之后（在分类器FC层之前）添加了一个批处理标准化（BN）层,得到归一化的特征。BNblock可以使ID损失的约束越小,三元组损失也会同时更容易收敛,从而大幅提高模型的性能。然后,在单摄像机跟踪方面,本文针对单摄像机跟踪算法SORT的常见问题:（1）无法对遮挡后的行人继续跟踪;（2）在多摄像机目标跟踪中,该方法可利用的信息过少,融入整体的多摄像机跟踪体系中效果并不理想。提出利用行人的外观信息,结合运动信息解决行人长时间遮挡后ID切换过多的问题,提高跟踪性能,并且该外观信息在跨摄像机目标交接时依然得到利用,使算法可以更好地与多摄像机跟踪相契合。最后,在跨视域的多摄像机跟踪方面,考虑到只基于目标外观模型的跟踪方法会产生许多明显逻辑错误的目标交接,本文在外观信息的基础上加入了时空约束信息,在时空信息的获取上,本文提出一种摄像机网络拓扑结构估计方法,这种方法可以估计摄像机间的逻辑相通性,和行人在摄像机间的时间转移概率。最后将本文提出的外观信息与时空信息相结合的跨摄像机跟踪算法与仅利用外观信息的跟踪算法进行消融实验,在公共数据集DukeMTMC和自制数据集校内监控上的实验表明,本文提出的将时空信息与外观信息相融合的跨视域多摄像机行人跟踪算法可以对非重叠视域监控场景中的行人进行有效跟踪。