物体跟踪一直以来都是计算机视觉领域中的热点研究问题,其主要目标就是估计出视频场景中物体运动的轨迹。近些年来,随着物体检测技术的迅速发展,基于检测的多物体跟踪逐渐成为一类非常重要的跟踪问题,拥有诸如视觉监控、交通导航及基于内容的视频检索等众多重要实际应用。另一方面,物体的剧烈运动及物体间的复杂交互等诸多因素,使得该问题异常困难,需要设计许多全新复杂的模型和算法,因而在学术研究方面也具有重要价值。本文关注于如何基于检测器在线地同时跟踪多个物体。这是一个更具挑战性的问题,因为处理时只能使用当前帧及当前帧之前的图像信息来推测出最有可能的结果。本文通过对跟踪问题进行系统深入的分析,认为观测模型和跟踪策略是其两个关键组成部分。从这两个部分出发,本文提出了一系列针对于诸如监控视频、消费视频及体育视频等多种典型视频场景中的在线多物体跟踪算法,并成功地将其应用于一些中高层应用。论文主要工作包括：1.提出了一种基于局部跟踪片段滤波和全局跟踪片段关联的两阶段多物体跟踪算法。该算法设计了一种多生存周期背景差分器和一种多视角多部件人体检测器,并将它们用于一个带选择阶段的粒子滤波器局部跟踪过程和一个时序滑动窗口内的全局关联跟踪过程,取得了较好的有遮挡物体的跟踪结果。2.提出了一种基于在线区分性学习的多物体跟踪算法。通过在线学习区分性的兴趣点和颜色块特征,跟踪系统增强了对更严重遮挡现象的处理能力以及对任意两个物体之间的区分能力,从而进一步提高了有遮挡物体的跟踪结果。3.提出了一种基于递进式观测模型建模和双模双向贝叶斯推理的多球员跟踪方法。该递进式观测模型建模过程将原本复杂的问题分治求解,依次收集出稳定可靠的观测量信息,用于使用前向滤波和后向平滑的单个及多个物体统一跟踪过程,较好地解决了存在剧烈运动及复杂交互的多球员跟踪问题。4.基于物体跟踪结果以及跟踪技术,提出了两种新算法来分别处理人体分割和群体计数问题。实验表明,借助于物体跟踪能够明显提升这两个中高层视觉分析问题的处理结果。