随着深度学习的快速发展,计算机视觉领域的相关应用愈发凸显其重要性。视频序列的行人多目标跟踪是计算机视觉领域的基础应用之一,在日常生活领域有着极大的应用价值,如智慧城市的交通控制,人流分析等等。然而,在实际应用中,多目标跟踪任务仍面临着很多挑战:1)现有大多数多目标跟踪算法主要以提取单个行人的外观特征为主,而忽略了行人周边其他人的信息;2)很多多目标跟踪算法无法处理蕴含时间信息的序列。本文基于深度学习技术,从上述两个问题出发,提出解决多目标跟踪问题的方法。针对现有大多数多目标跟踪算法忽略待跟踪行人周边信息的问题,提出了基于组邻近特征提取网络的多目标跟踪模型。在日常生活场景以及现有大型多目标数据集中,多数情况下行人进行移动、购物、奔跑等事件时,其周围一定时间和空间范围内都有其他行人在进行着不同事件。依据此特点,提出了一种新的特征,并以此定义了组以及组邻近特征的概念,使用残差网络作为提取网络,并设计了多种损失函数以提取输入序列中的组邻近特征。实验表明,所提出的新的特征可以更好地从全局、局部以及空间三个角度对行人的特征进行描述;使用的模型在多目标跟踪系列数据集中取得更好的跟踪结果。基于组邻近特征提取网络的多目标跟踪模型虽然很好地提取了行人的组邻近特征,但是无法处理输入序列的时序信息,针对此问题,提出了基于多特征融合的多目标跟踪模型。在此模型中,引入长短时记忆网络单元,使用该单元存储输入视频序列的特征信息,并改进传统长短时记忆网络使用加法进行耦合的方式,以乘法的方式对输入的特征进行处理,用以实现隐藏状态和输入之间的乘法交互。实验表明,引入长短时记忆网络单元的新的模型有效地减少了由于遮挡等因素导致的身份切换问题,证明了模型可以存储时间信息,得到更好的跟踪结果。综上所述,提出的基于组邻近特征融合的多目标跟踪在空间维度上从三个不同的角度对行人的特征进行了描述,组邻近特征不仅有助于减少在遇到行人脱离或加入组时造成的全局外观的混乱,而且解决了局部特征造成的不正确的行人匹配问题。同时,引入长短时记忆网络模块有效解决了基于组邻近特征提取网络的多目标跟踪无法应对时间信息的问题,使多目标跟踪结果更加准确。