面向视频监控的多目标跟踪是计算机视觉、人工智能等研究领域中的一项重要课题。由于其具有巨大的科研价值和商业价值,近年来受到越来越多的关注。国内外科研工作者在多目标跟踪领域进行深入的探索并提出了多种有效的解决方案。然而,如何在出现频繁遮挡、行人与背景外观相似的复杂场景下对多个目标进行准确的跟踪,仍然是一个具有挑战性的问题。本文从多目标检测算法和多目标跟踪算法两个方面出发,分析了各自的基本原理和关键技术,并且对传统方法和当今主流方法的优缺点进行比较。在此理论基础之上,采用基于数据关联的跟踪模型,根据轨迹片段的置信度选取不同的关联方法进行多目标跟踪。在跟踪过程中,采用增量线性判别分析法更新轨迹片段和检测目标的外观模型,能够准确地进行外观区分、提高关联的精度。在上述跟踪算法基础上,本文提出对发生相互遮挡的目标分别进行超像素分割,建立基于超像素的可区分外观模型和前景/背景置信图,进而确定相互遮挡目标的前后位置,重新建立被遮挡目标的外观模型。为了处理由于严重遮挡等问题导致的跟踪失败,本文提出对丢失目标可能出现的位置进行估计,通过确定该区域内置信度较高的超像素集合,来实现对被遮挡目标的局部外观的跟踪。大量的实验结果表明,本文提出的多目标跟踪算法在视频监控场景中能够对多个行人进行准确的跟踪,在存在严重遮挡和行人与背景外观相似等情况下也表现出良好的性能。