多目标跟踪是计算机视觉领域的研究热点,已广泛应用于视频监控、自动驾驶、移动机器人导航和交通安全等领域。多目标跟踪过程中出现的因遮挡导致的误报、漏报问题一直是该领域的研究难点。尤其是在相机运动的情况下,相机本身的运动造成背景变化更加剧了多目标跟踪的复杂性。本课题针对运动相机下的多目标跟踪过程中存在的误报、漏报、微抖动的问题进行研究。通过对多目标跟踪过程的状态分布建模以及对交互状态约束优化,降低了在相机微抖动下多目标身份误报率和漏报率,完成了对多目标的准确跟踪。同时,在研究过程中,对所提算法的合理性做了实验验证和分析。围绕上述内容,主要研究工作如下:（1）针对多目标跟踪过程中因遮挡导致的目标误报、漏报的问题,提出一种基于光流运动约束马尔可夫随机场改进模型的多目标跟踪算法。首先,利用光流场提取出目标光流,得到目标的运动信息;再根据目标运动特性与已建立的马尔可夫随机场模型进行融合约束优化得到OFMC-MRF模型;最后,在所提模型中,通过核相关滤波算法的平均峰相关能量对目标存在的遮挡情况进行判别处理,得到目标最优状态分布以实现对多个目标的跟踪。（2）针对运动相机微抖动时的多目标跟踪过程问题,提出一种基于光流抖动判别改进OFMC-MRF模型的多目标跟踪算法。首先,根据相机运动以及全图光流场,得到相机的光流运动模型;再通过HHD原理分解相机运动光流场,估计由相机运动引起的背景光流;最后,对微抖动造成的背景光流不连续部分,利用卡尔曼滤波算法以及光流估计进行抖动滤波补偿,并将补偿参数加入核相关滤波器修正OFMC-MRF模型的观测概率,得到目标最优状态分布,完成多目标跟踪。通过在公共数据集中将本文所提算法与同类先进算法做性能对比分析实验。结果表明,本文算法较其他先进算法能够更好地解决多目标跟踪过程中的目标漏报和误报问题。此外,对运动相机微抖动时的多目标跟踪,本文所提算法也能获得较好的稳定性和鲁棒性。