随着计算机视觉的发展,人体跟踪技术已经成为一个热点课题,被越来越广泛地应用于生产实际当中。单人体的跟踪技术已经取得了很大的发展,跟踪精度和速度都达到了实用的阶段。然而,多人体跟踪技术却一直是个难点,原因是当多个目标被跟踪时,容易发生目标自遮挡、目标之间的相互遮挡以及背景对目标的遮挡,从而造成跟丢或错跟的情况。国内外学者目前在处理多人体跟踪时,多采用轨迹匹配或者建立运动方程来预测目标的状态,当目标的运动轨迹较为简单时,这些方法可以取得很好的效果。不过,在大多数情况下,目标的运动方向和速度都是不确定的,轨迹和运动状态都难以预测,因此,现有的方法不能很好地解决遮挡问题。本文提出一种新的基于人体匹配的算法来解决多人体跟踪中的遮挡问题。在跟踪目标的同时,分割提取每个人的上半身图像,建立训练样本库。当目标被遮挡时,原先每个目标的人体信息已经记录在样本库中。如果检测到新的目标,则将该目标同原来的样本库进行匹配,如果能匹配上,认为是目标在遮挡后重新出现了,如果不能匹配上,则认为是有新的目标出现,建立新的跟踪轨迹。本文的方法避免了对运动轨迹进行预测,因此,即使被跟踪目标的运动是随机的,也能取得很好的关联效果,使得单人体跟踪可以自由扩展到多人体跟踪上。通过对大量的视频序列进行测试,我们可以发现,相比于其它方法,本文的算法在关联精度上有了很大的提高,较好地解决了多人体跟踪中的遮挡问题。同时,本文将两种特征运用于人体匹配,取得了很好的效果,这对于以后的人体识别技术也有一定的参考价值。