随着计算机视觉技术快速发展,世界各国研究者们对多目标跟踪技术研究日发关注。同时,目标检测结果作为跟踪技术研究的输入,目标检测技术也被视为跟踪技术研究重要一环得到了广泛关注,从而促进了多目标检测和跟踪技术在智能安防,智慧交通,自动驾驶,智慧医疗领域的应用。目前,虽然多目标检测与跟踪技术已取得很大进展,但是在实际应用过程中,仍有许多问题需要解决。本课题主要解决了光照变化,目标遮挡造成的目标检测过程中漏检,误检与跟踪过程中漏跟,误跟和目标身份识别错误问题。首先,构建一个边缘多通道梯度模型,在其基础上对间断运动边缘进行连接,实现对多运动目标的检测;然后,提取检测结果ORB特征,并建立目标库,利用目标匹配函数完成连续帧目标身份一致性关联,再采用阈值分类处理方法解决目标遮挡问题;最后,主要针对目标遮挡问题,提出结合目标ORB特征与网络流模型的跟踪算法。并在算法研究过程中,对算法有效性进行了实验验证与分析。围绕上述内容,主要研究工作如下:（1）针对待检测运动目标易受环境噪声干扰、目标轮廓难提取问题,提出一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,通过间断边缘像素点与其邻域点的运动状态关联连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。（2）针对多目标跟踪过程中目标遮挡和光照变化问题,提出一种基于边缘多通道梯度和ORB特征的多目标跟踪算法。首先,基于边缘多通道梯度改进模型的多运动目标检测检测出目标区域;根据获取的目标区域进行ORB特征点提取,然后将目标区域运动描述信息结合ORB特征建立目标库。基于结合边缘多通道梯度模型优化的匹配机制,对每帧图像提取的ORB特征点与目标库进行匹配,实现多目标一致性匹配。同时利用跟踪过程对目标库进行同步更新,保持目标库的实时性和有效性。对于跟踪过程中出现的目标遮挡问题,文中利用阈值分类处理的方法来解决。实验结果表明,本算法能有效处理多目标跟踪时存在的遮挡,光照变化等问题,实现目标的准确跟踪,具有较好鲁棒性。（3）针对上一所提跟踪算法无法解决长时间遮挡问题,提出基于网络流模型和ORB特征的多目标跟踪算法。该算法主要包含两部分:目标轨迹内数据关联和目标轨迹外数据关联。首先,文中通过提取目标的ORB外观特征,得到以3帧为单位的轨迹片段集合,实现目标轨迹内关联;然后,将每个轨迹片段视为网络流模型中一个节点。判断遮挡情况,结合由基于E-Mc GM算法得到的运动信息,目标的外观信息以及时间信息提出不同的网络流代价函数。通过代价函数连接每个轨迹片段,构成网络流模型。求解网络流模型,实现目标轨迹外数据关联。实验表明:该算法提高了在复杂环境中的跟踪准确性和鲁棒性。