近些年来深度学习技术广泛地应用于计算机视觉任务中，在视觉检测与跟踪等领域都取得了极大地成功，在此基础上，深度学习技术落地就成为下一步亟需解决的问题。足球比赛视频中的目标检测与跟踪是一个非常具有挑战性的任务，而且具有很好的实用价值和商业价值。传统的足球比赛目标运动轨迹提取往往采用运动员随身携带记录芯片的方式，而这种方式的成本很高，在业余球场中很难进行推广。也有一些研究仅使用摄像头来对足球视频中的目标进行处理，但是由于足球比赛视频中的目标外观相似和频繁的遮挡，这些方法往往只能将球员和球等目标在图像中分割出来，而不能对其进行跟踪或仅能进行短时间的跟踪。　　基于计算机视觉和深度学习的相关研究，本文设计了一个适用于足球视频的多相机多目标跟踪系统，使用多相机进行球场中的图像采集，能够对球场中的多个目标进行长时间准确的跟踪。本文的主要研究内容如下：　　在基于深度学习的视觉检测方法和基于相关滤波的跟踪方法的基础上，设计了一种单相机多目标跟踪方法框架，这个框架使用数据关联算法来融合检测器和跟踪器的结果，能够在单个相机中对多个目标进行准确的跟踪。　　通过对球场中目标的分析，本文选取了多种有效的特征描述来对系统中的多个模块进行优化，并设计了基于CN颜色特征的分队算法，完成了足球视频中的分队任务。　　在足球比赛视频中，单相机不能覆盖整个球场的范围，并且球员的移动会造成其在单个相机中的频繁消失与重现，使用多相机系统来解决这一问题。首先使用多个相机独立地采集足球场的图像数据，并使用单相机多目标跟踪方法来提取球员在图像中运动轨迹，然后设计了一种多相机数据融合方法，将多个相机系统中的数据汇总成各个目标运动数据并保存下来。　　本文对整个系统的硬件架设和软件设计进行了说明，并在实际的足球比赛场景中进行了实验，实验结果表明，通过准确的单相机多目标跟踪算法以及多相机系统的相互矫正作用，本文设计多相机多目标跟踪算法能够对足球视频中的目标进行长期准确的跟踪，具有很好的鲁棒性和实时性。