随着智能设备的发展，人们可以获取到大量的外界信息，其中最为直观的就是视觉信息，这使得计算机视觉成为众多科研领域的重要研究内容之一。在计算机视觉领域中，一些可以代替人力，甚至超过人力的课题逐渐被众多学者重视起来。多目标跟踪任务就是一项很有挑战的研究课题，并且能够在视频监控、机器人视觉、交通管理等领域有着广泛的应用。因此，设计一个有效的多目标跟踪算法，是有重要的意义和价值的。而在现实的复杂场景中，由于会出现光线变化、目标数量变化、目标之间的相互遮挡以及目标间相互交错等情况，这使得所采集得到的视频图像序列的情景变化变得复杂多变，因此想要对多个运动目标进行同时的跟踪是十分困难的。而随着硬件设备的发展，越来越多种的信息源可以提供各种各样的信息模式。本文致力于将除了视频图像信息以外的其他信息源信息，尤其以深度信息为主，融入到多目标跟踪任务中，从而得到有效的多目标跟踪算法。本文的主要研究内容如下：第一，本文提出了一种基于运动目标检测的深度信息优化算法。本文为了能够在多目标跟踪任务中引入深度信息，对深度信息的特点进行了分析，并且为了使深度信息能够在多目标跟踪算法中得到良好的使用，结合对多个运动目标位置的检测结果，对深度图像进行优化，为在多目标跟踪算法中使用深度信息做了良好的准备。第二，提出了一种基于深度层次分割的多目标跟踪算法。算法首先对已经优化的深度信息图像进行统计分析，得到其分布的离散性，由此对深度层次进行分割，从而得到多个深度层次区域，在每个深度层次区域中分别对多个目标进行跟踪，从而使得每个层次内所需跟踪的目标数量减少，降低了场景复杂度，最后将多个多目标跟踪结果进行融合，得到最终的多目标跟踪结果。第三，提出了一种基于区域深度信息的多特征多目标跟踪算法。通过对基于深度层次分割的多目标跟踪算法的跟踪结果进行分析，从另一个角度使用深度信息，不仅将深度信息按照层次进行划分，并且将深度信息图像的区域深度值作为特征使用，结合每个运动目标的其他颜色信息特征，进行多个运动目标的跟踪，增强了跟踪效果。