随着计算机和人工智能技术的发展,摄像机多目标跟踪技术以及基于跟踪结果的轨迹建模在智能监控分析中发挥着重要的作用,在计算机视觉领域得到了越来越广泛的关注。近年来,摄像机监控终端数量迅速增加,产生了海量的监控视频数据。但是,目前的监控系统仍然是以人工监视和人工检索分析为主,存在较多漏报、误报和监控效率低下等问题。因此,具有自主监测分析能力的智能监控系统成为研究热点。针对以上应用现状和需求,本文提出一种基于摄像机视觉检测的多目标跟踪系统,可在监控场景下完成多行人目标的稳定可靠跟踪。本文基于视觉检测的多目标跟踪框架开展研究工作,首先对目标检测技术进行改进。当前的目标检测算法的主干网络大多是从传统的图像分类网络直接迁移而来,存在特征图尺度单一和空间分辨率损失问题。针对这些问题,本文基于图像分类任务和目标检测任务的差异性分析,对目标检测任务的主干网络结构进行改进优化。在高层次的特征图中进行采样优化,保持采样尺度不变,增强特征图的泛化性,丰富特征结果,获得更加鲁棒的检测结果。实验结果表明,本文提出的检测算法可以得到更高检测精度。在多目标跟踪的数据关联阶段,针对实际场景中普遍存在的目标交叉和目标遮挡问题,本文提出了一种基于融合特征度量的多目标跟踪方法。首先在距离度量中引入目标的表观特征,构建了一个鲁棒轻量级的特征提取网络,对目标进行特征提取,获得区分性更强的目标特征表示和距离度量结果。在此基础上,使用卡尔曼滤波进行状态预测和匈牙利算法进行匹配关联,实现多目标跟踪。实验结果验证了本文所提算法的有效性。在上述工作的基础上,本文设计了一个面向监控场景的多行人跟踪系统。在该系统中,借鉴去噪自编码器的结构框架,本文研究并提出了一种卷积自编码器网络,对场景图像进行预处理,有效去除背景噪声增强前景目标,完善了多行人跟踪系统的性能,最后通过实际监控场景下的实验验证系统的有效性。