多目标跟踪属于计算机视觉的一个方向,并与多个学科交叉形成了一个独立的领域。随着科技和技术的进步,多目标跟踪技术被广泛应用,例如由来已久的各种军事雷达跟踪系统和现如今的交通、安防、监狱、银行、学校等视频跟踪监控管理系统。虽然越来越高的关注度给多目标跟踪技术带来了不少开创性成果,但同时提出了更高的需求,特别是对于以人作为跟踪对象的情况迫切需要更加优秀的算法解决更加复杂的问题,因此多目标跟踪具有广阔的前景。本文按照多目标跟踪的处理流程来介绍多目标跟踪的各个环节,首先从理论上研究了多运动跟踪中目标检测和目标跟踪两个阶段的主流方法；针对这些方法的优缺点本文在目标检测和多目标跟踪两个阶段提出了两个算法,并通过对比实验验证本文算法。本文具体研究内容如下：(1)提出主体检测法。由于传统目标检测算法在获取分离目标时由于背景干扰、自干扰和多目标相互接触难以获得准确的目标模板。针对以上问题,本文从整体出发将前景检测的结果与统计方法结合,对前景像素统计提取出目标的主体部分作为目标模板,去除跟踪阶段不需要纠结的细节部分和容易造成干扰的不稳定部分；获取的目标模板用于跟踪阶段提取特征参数。实验结果证明,主体检测法对跟踪目标的模板获取具有良好的效果。(2)提出基于主体检测和多特征参数的多目标跟踪算法。在多目标跟踪中存在“无遮挡情况下的跟踪”、“有固定遮挡物情况下的跟踪”和“多目标相互遮挡情况下的跟踪”三个关键问题。本文针对这三个关键问题设计多目标跟踪算法将多特征参数和粒子滤波器相结合。通过与传统基于SIFT特征的跟踪算法进行实验对比,验证了本文跟踪算法在完成跟踪的基础上,很好的解决了以上三个关键问题。