随着物联网技术及计算机视觉的发展,基于视频的说话人定位与跟踪技术也越来越受到人们的重视,目前已成为一个重要的研究课题,而智能环境下基于视频的多特征融合跟踪是该技术的一个典型应用。本文主要围绕目标跟踪中的多特征融合问题进行了研究与探讨,主要工作如下：(1)针对证据理论组合方法不能有效组合高冲突证据的问题,从修正证据源的角度提出了两种改进方法。一种是基于批量式的证据源修正方法,首先同时引入余弦相似度函数和距离函数；然后根据方向相似度和距离相似度获得各证据间的联合相似度,并以此获得各证据的加权系数；最后对系统中的证据加权平均后利用Dempster组合规则进行组合。仿真结果表明：与其它的方法相比较,该方法不仅考虑了系统中证据在距离上的相似性,而且考虑了证据在方向上的相似性,融合后的结果更为理想。另一种方法是基于冲突检测的部分证据源修正方法,首先引入证据距离函数获得各证据体的相互支持度,并将支持度归一化为证据的信任度,对所有的证据进行信任度加权平均,获得一个“参考证据”；然后利用该参考证据对各个原始证据进行偏离度的判定及修正。最后利用Dempster-Shafer规则完成证据的组合。实验结果表明：新方法提高了融合结果的可靠性和合理性,可以有效地处理高冲突证据。(2)针对证据理论组合规则不能有效对冲突信息进行分配的问题,提出了一种基于局部冲突分配的证据组合规则。首先采用证据距离函数获得各证据体的信任度和加权平均证据；然后由定义的焦元距求其每一个焦元的绝对距离,并以此获得焦元信任度,将焦元的信任度作为局部冲突分配因子；最后实验结果表明,所提算法提高了证据合成结果的可靠性和合理性。(3)针对证据理论中传统冲突系数不能有效表示证据间关系的问题,提出了一种基于新的衡量标准的的证据自适应组合方法。通过引入pignistic变换,联合经典冲突系数定义了一种新的证据冲突表示方法；实验结果表明：新的冲突系数可以有效表示证据间的相互关系。(4)针对目前常用的融合方法乘性融合和加权和融合不能有效融合视频多个特征的问题,提出了三种解决方法。第一种方法将改进的证据理论组合方法应用在视频多特征融合跟踪中,以完成目标的准确跟踪。其同时采用K-L距离和证据的不确定性获取证据权重以修正待组合的证据；最后将改进的证据理论组合方法在实际跟踪场景下进行了应用；实验结果表明：改进的组合方法具有很好的性能。第二种方法是基于特征距离的多特征自适应融合方法,该方法通过特征距离将乘性融合方法和加权和融合方法统一在一个融合框架内,根据特征距离自适应调节乘性融合和加权和融合在融合结果中的权重。仿真结果表明：该融合方法可以实现对目标的准确跟踪。第三种方法是基于信息损失系数的多特征自适应组合算法,该方法通过定义信息损失系数以实现信息损失量的再分配；仿真结果表明,该方法同时具有乘性融合和加权和融合的优点,实现两者的有效互补,并可以提高跟踪过程的准确性和鲁棒性。