视频多目标跟踪技术作为重要的研究课题,在计算机视觉、智能监控、模式识别等领域有着重要的作用,受到了越来越多学者的关注。尽管目前已经有了许多针对视频多目标跟踪的方法,但是在复杂场景下,如何长时间对目标进行准确的跟踪仍然是一个具有挑战性的课题。目标在运动过程中存在光照变化、杂波干扰、目标尺度变化等外观不确定性因素;同时,跟踪过程中的不确定性因素来自于目标个数的不断变化、检测器漏检和产生的虚假观测等;这些不确定性因素的存在导致目标跟踪过程同样具有不确定性,这也使得对目标的跟踪变得困难。针对复杂环境下,视频多目标跟踪中的不确定性问题,本文提出了一种基于TSK模糊系统的视频目标跟踪算法:该算法首先提取目标与观测之间的相似度,输入到构建好的TSK模糊语义模型中,利用模型对相似度进行加权融合,得到目标与观测之间的隶属度矩阵,通过贪婪算法获得目标与观测的关联对,使用基于TSK模糊语义模型的算法得到目标的稳定航迹后,我们将利用多帧信息训练出TSK模糊多分类器系统,即每个拥有稳定航迹的目标都将拥有经过训练的TSK模糊分类器模型,将提取到的观测特征输入该分类器模型后便可得到观测的标签矩阵,利用该矩阵便可对观测与拥有稳定航迹的目标进行关联。通过跟踪效果以及数据分析得出结论,该算法能够在光照变化、杂波干扰等复杂环境下拥有较为准确的跟踪结果。为了在视频多目标跟踪中,更好地利用不确定性信息中的有用信息,提出了一种基于多特征TSK模糊分类器的数据关联算法。该算法在训练的过程中加入多特征学习机制,有效的利用各个特征的独立信息以及各特征之间的关联信息,通过该学习机制得到的TSK模糊分类器能够更好得实现目标与观测之间的数据关联。通过实验结果表明,该算法在多个测试视频上均取得了较好的跟踪效果。