随着监控视频网络变得愈来愈庞大和复杂,单个摄像机下的视频分析已经不足以满足人们的需求,而对于多摄像机多目标跟踪技术,由于可以有效地实现大范围视野内的自动监控,所以受到了广泛的关注。多摄像机多目标跟踪的主要任务是获取目标在多个摄像机下的完整轨迹。本文主要从以下几方面对多摄像机多目标跟踪涉及到的一些关键问题进行研究。首先,由于传统的多摄像机多目标跟踪方法多采用“两步走”的思路:即先进行单摄像机多目标跟踪然后再进行跨摄像机多目标跟踪,存在着当单摄像机多目标跟踪存在误差,则在跨摄像机多目标跟踪阶段会把该误差进一步放大的问题。针对该问题,本文采用了一种“一步走”的思路,将单摄像机多目标跟踪和跨摄像机多目标跟踪放在一起,进行全局优化。通过将单摄像机多目标跟踪和跨摄像机多目标跟踪放入一个全局图模型中,进行全局的轨迹融合,以尽可能地避免当采用“两步走”思路进行多摄像机多目标跟踪时,所存在的错匹配和漏匹配问题。其次,将全局化的思想引入到多摄像机多目标跟踪中,虽然可以带来上面提到的优点,但同时也会引入一个新的问题,即当我们进行全局优化时,跨摄像机下的表观特征相似度分布将会远低于单摄像机下的特征相似度分布,如果只是简单的采用相同的相似性度量方法去度量任意两条轨迹的相似度,则在最优化的过程中,极有可能使得全局图模型优先连接单摄像机内的轨迹,而忽略了跨摄像机的轨迹连接,从而影响多摄像机多目标跟踪的整体效果。针对此问题,本文提出了一种基于均衡化全局图模型的多摄像机多目标跟踪算法,通过对这两种相似度的分布进行均衡化处理,保证两种分布在全局图模型优化过程中尽量的平衡,一定程度上避免了上面提到的问题,提高了多摄像机多目标跟踪的整体效果。最后,利用以上两种算法取得的成果,本文又提出了基于时空约束的多摄像机多目标跟踪算法。一方面,通过提出一个相对距离的概念来计算任意两条轨迹的空间关系,来引入空间约束关系;另一方面,通过估计摄像机网络拓扑结点之间转移时间概率分布,来引入时间约束关系。在多摄像机多目标跟踪中,通过引入时空约束关系,一方面有利于提高目标关联的准确性,另一方面也可以降低目标关联的计算复杂度,从而可以进一步地提高多摄像机多目标跟踪的整体效果。