视觉监控系统已经得到了普遍推广,但仍然处于人工检索和比对分析的较低发展水平。尤其是由于固定部署的摄像机监控系统中,单摄像机的视野局限以及多摄像机的视角切换带来的光照变化和外观差异,动态目标之间的相互交错以及频繁遮挡,都会对跟踪系统的性能造成极大的影响。因此基于多摄像机的目标监控系统具有较大的学术价值和应用前景。针对这一现状,本文提出跨视角目标可靠关联,持续跟踪的多摄像机多目标跟踪解决方案。单视角目标跟踪目标是进行后续多摄像机目标关联和持续跟踪的基础,相关的学者和研究机构早已展开了大量研究和实验,然而在实际环境往往因为目标的光照差异和尺度缩放引起的外观变化产生跟踪漂移。针对这一情况,本文提出粒子滤波改进跟踪方法。在图像信道耦合最小的Lab颜色空间进行基于像素统计信息的颜色差异补偿,并使用基于灰度不变性特征和MCMC重采样的粒子滤波改进算法跟踪,降低了目标的跟踪漂移等状况,有效提高了跟踪精度和跟踪性能,为后续的目标关联提供可靠的观测变量。经过亮度和颜色差异补偿的预处理之后,由于部署位置的不同,不同摄像机采集到的关于同一目标的位姿和形态等外观仍有所差异,对不同视角的基于外观模型的目标关联带来极大挑战。本文提出基于判别型外观模型的目标关联方案,使用MIL算法在线提取样本序列,并使用多特征融合描述子作为特征表达,在能快速稳定收敛的MIL-Adaboost框架下进行判别型关联辨识,通过实验证明了算法的准确性和鲁棒性。视野重叠区域的目标关联往往会因为频繁出现的遮挡,导致外观模型的可靠性降低,导致出现不同视角的误匹配现象。本文提出基于时空几何约束的视野重叠区域的目标关联算法,充分利用视野重叠区域的时空上下文信息和几何约束,并有效解决单一视角发生遮挡时目标的位置估计。经过实验验证,目标跟踪精度能达到83%,达到目前先进水平。最后,本文对所进行的研究内容和工作进行了总结,并展望了今后的主要研究方向。