随着监控视频数据的指数增加和视频监控技术的迅速发展,如何有效的提取视频中的深层信息逐渐受关注,对视频信息的挖掘能够有效的降低违法犯罪行为数量并提高社会的治理水平,对构建智慧城市、保障城市安全、推动数字经济的发展都有较大的帮助。以计算机视觉为中心,通过对目标检测、多目标追踪、行人重识别等技术的研究实现了跨相机场景下在线的多目标追踪,并引入了行人检索库来对追踪过程中的特征进行动态管理,以提高整体追踪的效果。主要工作包括:（1）在MGN行人重识别模型基础上,从预设先验分割比例和针对行人的数据增强角度出发,对其进行改进并训练,提出了一种特征提取效果更好的算法MGNv2,有效的提高了行人重识别的效果。（2）提出了自适应特征检索库实现行人特征的动态维护,并将其作为跨相机追踪中进行关联的重要手段,提供多维度特征检索功能,并实现动态更新算法以提高检索库中特征的有效性及可用性。（3）通过对基于yolov3+deepsort的多目标追踪框架进行算法改进,并结合特征检索库和优化的MGNv2算法优化追踪效果,实现跨相机场景下的多级关联方案,实现基于yolov3+MGNv2+deepsort的跨相机多目标追踪。由实验结果得到,MGNv2行人重识别模型有效的改善了特征提取模块的效果,rank1和m AP分别达到95.6和86.7,基于该模型的多目标追踪算法有效的减少了多目标追踪的IDS问题,MOTA达到65.3,在两步式的多目标追踪中有较好的效果。实现了自适应的特征图像检索库以简化追踪中的特征检索与关联,并基于此实现了跨相机场景下的多目标追踪框架,能够实现对有重叠区域的两个不同角度下的相机进行多目标追踪,在不超过10个目标的情况下能够有效的检出。