智能监控技术的发展关系到人们生活安全质量的好坏,越来越受到人们的重视。目标跟踪是智能监控技术的基础,例如,行为识别、轨迹追踪等都是以目标跟踪为前提的,跟踪算法性能的好坏直接影响后期监控效果,具有非常重要的研究价值。本文从智能监控需要自动对目标进行长时监控的需求出发,进行了多摄像头长时目标跟踪算法的研究与设计,从而实现对目标大范围长期准确地跟踪,有效提升监控质量。以下是本文具体工作内容,主要从长时跟踪和多摄像头跟踪两方面出发展开研究。（1）长时跟踪算法框架搭建的前期工作。主要是进行相关算法模块的研究,包括三方面,对YOLO（You Only Look Once）两个版本的目标检测算法、重识别算法和近几年的四种单目标跟踪算法进行了研究。通过实验发现对于在背景复杂且存在多个同类目标频繁相互遮挡的场景下,四种单目标跟踪算法跟踪效果并不理想,跟踪框无法准确包围目标,且容易跟错。而对于YOLO目标检测算法在相同复杂场景下检测框却能够准确地包围目标,重识别算法在区分同类不同实例方面性能较好。（2）在重识别算法的研究当中,尝试以多种方式在残差网络中引入注意力机制,在特征通道和空间层面上赋予不同的权重,筛选出有用特征,使得模型准确率得到了一定的提升。（3）按照基于检测的跟踪思想运用YOLO目标检测算法与重识别算法结合实现了目标跟踪。该跟踪算法利用了YOLO算法优点,跟踪框能够准确包围目标,同时算法对每一帧图片都进行了全局搜索实现了对目标的长时跟踪,但是跟踪并不流畅,之后又通过引入运动特征在流畅性方面得到了提升。对于实验方面,本文跟踪算法与其他跟踪算法在单目标跟踪上进行了实验对比,然后又将算法拓展为对多个目标的跟踪,进行了限定人数跟踪和非限定人数跟踪的实验。（4）在多摄像头跟踪方面,跨摄像头跟踪是主要问题。针对重识别算法在两摄像头场景差异明显情况下难以实现跨摄像头跟踪的问题,本文设计了一种基于单应性变换的跨摄像头跟踪方法。单应性变换会存在误差,本文分析了误差产生的原因,通过调整摄像头布置方式减小误差,但是由于误差依然存在,通过单应性变换得到的跟踪框实际并不能准确的跟踪到目标,本文运用目标检测得到的检测框对不准确的跟踪框进行了矫正,使得跟踪能够顺利进行。在实验设计上,本文运用了重识别算法和本文算法在跨摄像头跟踪方面进行了对比分析。（5）从目标检测,单摄像头长时跟踪,多摄像头跟踪三方面设计了一个简单的应用系统。