跨摄像头行人跟踪,旨在从多个摄像头拍摄的视频流中确定行人的位置。近几年来,跨摄像头行人跟踪在城市公共安全领域发挥着巨大的作用。不过目前很多主流跨摄像头行人跟踪算法在关联不同摄像头下的行人轨迹时主要使用了行人的外观特征,对行人在摄像头下的时空信息使用程度较少。因此,本文围绕基于时空信息的跨摄像头行人跟踪算法进行了研究。本文主要工作如下:（1）当遇到物体遮挡、行人交错等实际生活中不可避免的交互场景时,行人跟踪中断发生的概率就会大幅度提升。针对这个问题本文提出了一种基于时空关联的单摄像头行人跟踪算法。该算法通过计算行人的外观和时空相关性增强了行人之间的数据关联,并设计了一种带有重叠滑动窗口的分层推理结构,通过在窗口内使用相关性聚类算法完成了行人短轨迹的生成,重叠滑动窗口的使用保证了行人短轨迹可以连接成单摄像头下行人完整的运动轨迹。该算法既可以有效地解决行人跟踪中断问题,又降低了计算复杂度。（2）对于跨摄像头行人跟踪的数据关联问题,许多算法使用行人再识别方法来解决,但它们却忽略了行人在摄像头间的运动可能存在一定的时空分布规律。鉴于此,本文提出了一种基于时空约束的跨摄像头行人跟踪算法,该算法根据行人的时空信息构造了行人时空分布模型并设计了一种融合时空模型与视觉相似度的度量函数,该函数可以有效的判断两段单摄像头下的行人轨迹是否属于同一行人。该算法可以取得良好的跨摄像头行人跟踪效果。本文所提方法在DukeMTMC多目标多摄像头行人跟踪数据集上进行了实验,性能指标均优于对比算法,证明本文提出的方法可以有效的进行跨摄像头行人跟踪任务。