多目标实时跟踪是计算机视觉领域的研究热点之一,在智能交通、智能监控等多个领域有着广泛的应用,然而设计一个鲁棒性高的多目标实时跟踪系统,无论是对科学研究还是工程实践都极具挑战性。压缩感知算法通过对信号采样压缩,能够大大降低信号的复杂度。将压缩感知理论与多目标实时跟踪相结合能够提升系统跟踪的稳定性和实时性。本文基于压缩感知理论,设计了一套鲁棒性高的多目标实时跟踪系统。主要研究内容如下:(1)研究并实现了基于Haar特征的AdaBoost目标检测器。提取视频图像的Haar特征,并基于大量多角度人头正负样本图像训练AdaBoost级联分类器,实现多目标检测。(2)设计并改进了基于压缩感知的朴素贝叶斯目标跟踪器。基于压缩感知理论,对目标特征采样获得压缩感知特征,并构建分特.征权重的朴素贝叶斯在线学习分类器,实现多目标实时跟踪。(3)开发了一套多目标实时跟踪系统,在多种实验场景下与MHT算和CT算法进行检测跟踪实验比较,证明本系统在实时性、准确性和稳定性上都有较好的表现。本文将压缩感知算法应用到目标跟踪系统中,实现了目标跟踪系统稳定性和实时性的兼备的多目标实时跟踪系统,具有很高的工程研究价值和社会应用价值。