行人目标跟踪作为一项重要的基础性技术,在现实生活中的很多领域都有着非常重要的应用价值和应用前景。在目前所建设的平安城市的安防视频监控系统中,行人目标的跟踪是实现行为分析等智能分析的关键。然而,在实际应用场景中,因环境的复杂性,导致了行人目标跟踪准确率的保证非常困难,其中最突出的问题,就是在跟踪过程中,因行人被遮挡,导致的行人外观特征发生变化而导致跟踪失败。针对行人目标跟踪系统中,由于行人遮挡导致行人识别效果差的问题,本文展开了研究,通过深度学习生成对抗网络,构建行人去遮挡预估模型。在分析了生成对抗网络对行人去遮挡的局限性的基础上,本文提出了一种利用双输入生成式对抗网络修复受遮挡行人的方法,首先,提取受遮挡行人的姿态,结合其外观,构建姿态与外观单独编码生成器,将生成器信息融合后,训练判别器,构建行人去遮挡网络模型。此外,在模型中引入注意力机制,提升网络对环境的抗干扰性,由此获得更好的去遮挡效果,提高行人再识别的准确性。为了进一步提升去遮挡模型的效果,本论文还提出了利用骨骼预测模型优化去遮挡模型的方案。首先,预测受遮挡的行人的骨骼信息,构建骨骼模型;其次,将图像与预测出的骨骼模型分别输入各自对应的编码器,将生成的特征拼接后输入解码器生成预测图像;然后将生成图像与真实图像输入判别器来指导编码解码器生成去遮挡的行人图像;最后利用训练好的编码、解码器来修复受遮挡的行人,将去遮挡后的行人图像输入到行人识别分类网络得到识别跟踪预测结果,完成对行人的跟踪。本文算法在Market-1501数据集上的实验结果,验证了算法的有效性。