目标跟踪作为计算机视觉领域的重要研究问题,目前已有很多种应用在实际智能监控系统中的目标跟踪算法,但大多算法仅适用于单摄像机单目标的跟踪,当场景中出现多个目标需要同时进行跟踪时,算法效果会变差。比如均值平移算法、粒子滤波、卡曼滤波和光流法都是适用于单个目标的跟踪,该类算法计算复杂度较高,当跟踪多个目标时,速度较慢,不能满足实际应用中实时性的要求,使得智能监控系统的能力受到限制。多摄像机多目标跟踪是以单摄像机多目标跟踪算法为基础的,综合分析前人的方法,本文提出了基于多特征的多级数据关联目标跟踪算法,在复杂场景下多目标的跟踪中可得到较好的跟踪效果。该算法主要有三点优势:一多特征:算法中目标的特征信息包括多个整体特征和局部特征,提高了目标匹配时的准确度;二多级关联:本算法中采用多级关联机制来实现目标跟踪,在较低级别,主要进行相邻两帧的检测结果的关联;在较高级别,通过多次迭代,得到整体最优的关联结果;三遮挡判断机制:当系统发现出现遮挡时,根据遮挡部分的大小采取相应的处理方法来持续跟踪目标。经过多次实验,本算法在跟踪的准确率和速度上都取得了较好的效果。以单摄像机多目标跟踪方法为基础,本文对多摄像机之间有重叠区域时的多种场景下的多目标跟踪进行了研究。针对多个摄像机从不同角度监控同一个场景的情形,本文提出了基于双目视觉理论的多摄像机目标跟踪方法来解决目标跟踪时的遮挡问题,通过计算基础矩阵F,找到目标在多个摄像机图像上投影点的对应关系进行摄像机间目标关联,同时引入最佳摄像机判断机制,根据一系列准则为场景中每个目标自动选择效果最佳的摄像机。本文还对多个摄像机之间重叠区域较小时的情况进行了研究,分析了现有方法的优缺点,并针对多个摄像机下由于环境影响出现的场景中光照不一致的问题,提出应用计算本质图的方法来消除光照对图像的影响。在此基础上,主要研究了基于场景中目标位置和基于视野分界线的跟踪方法,并进行了分析研究和实验,通过多组对比实验证明,以上算法在多摄像机接力跟踪中的准确度和实时性都达到了较好的效果。