随着计算机硬件和多媒体技术的发展,以及各国政府和民众对安防的高度重视,智能视频监控的应用变得越来越广泛,而多目标跟踪技术作为智能视频监控领域最基本的核心技术,具有重要的研究意义和广阔的应用前景,受到来自世界各地的学术界和工业界科研人员的普遍关注和研究。目前,多目标跟踪技术的研究取得了长足进步,但仍存在许多难题需要解决,如复杂的跟踪场景、非刚体目标的姿态变化、目标遮挡以及跟踪的实时性等。本文针对复杂场景下存在目标遮挡、表观变化以及相似目标的问题,对多目标跟踪进行了研究,主要研究内容及成果为:(1)介绍了多目标跟踪的基本理论。对贝叶斯理论框架下的卡尔曼滤波和粒子滤波的基本原理做了简单介绍,并分析了算法的优缺点。介绍了均值漂移算法和模糊C均值算法的基本原理,并研究了算法的基本步骤。(2)在对多个目标进行跟踪过程中经常存在遮挡、相似目标的情况,为此研究了一种基于自适应分块的粒子滤波多目标跟踪方法。该方法根据目标的灰度分布进行自适应分块,提高遮挡情况下准确跟踪多目标的能力;在粒子滤波跟踪时,利用均值漂移和模糊C均值聚类获取每个目标对应的粒子群,得到目标最优状态估计;引入加权Bhattacharyya距离计算子块的匹配度,考虑了子块可靠性对粒子权重的影响。(3)为了解决多目标跟踪过程中还经常存在的相似目标相互遮挡以及目标表观变化问题,提出了一种基于自适应分块的多特征融合多目标跟踪方法。该方法在上一方法的基础上加入了多特征融合策略,融合颜色直方图和HOG特征对目标进行描述;在粒子滤波跟踪时,依据子块可靠性以及粒子的空间分布及时调整目标模型中子块的权重;并且为减少过程中目标变化对跟踪结果的影响,采取权重更新方法动态更新目标特征模型。实验结果表明,该方法在多目标跟踪过程中存在表观变化、目标相似以及目标遮挡或者相似目标相互遮挡的复杂情况下,均能准确鲁棒地跟踪多个目标。