多目标跟踪技术是计算机视觉与模式识别领域研究的热点,具有广泛的应用场景。现有技术常常融合外观模型和运动模型,对不同的目标进行比较和匹配,最后关联得到匹配结果并输出完整轨迹。外观模型好坏对多目标跟踪性能影响非常大。本文主要研究多目标跟踪下的图像外观,通过神经网络提取目标的外观特征,同时还要考虑目标检测不稳定,目标频繁遮挡,背景光照变化等影响,提高帧间同一目标的外观特征相似度,降低不同目标的外观特征相似度。第一,为了解决目标检测器在跟踪运行前给出不稳定的原始检测的问题,本文结合人体关键点提取方法和并排行人等高性,提出一种新的并排行人等高性与人体关键点的检测框纠正方法,能够对原始检测框进行纠正。第二,为了对目标检测框中的行人遮挡关系与行人可见区域等进行准确度量,本文提出遮挡关系概念和可见区域度量方法,能够对检测框中的情况进行量化。第三,通过借鉴行人重识别中的孪生网络框架,结合提出的行人可见区域度量方法,提出一种新的基于行人可见区域的图像外观匹配框架方法。通过神经网络提取的外观特征,拉近相同目标的外观特征距离,拉开不同目标的外观特征距离,能很好地匹配帧间相同目标,包括对遮挡的目标同样能进行匹配。而且本文后面提出的轨迹片段生成方法,多视角轨迹片段的关联和多视角轨迹片段的耦合,都是结合该方法对相同目标强大的匹配能力来进行设计。第四,搭建整套多目标跟踪系统。采用基于图像外观匹配的轨迹片段生成方法生成轨迹片段,利用跨视角图像外观相似度方法对多个视角的轨迹片段进行关联,结合外观相似度和运动相似度进行多视角轨迹片段耦合,将轨迹片段耦合作为网络流的节点,然后构造整个最小费用流多目标跟踪系统,利用连续最短路径算法求得最优解,最后输出完整轨迹。将本文的跟踪系统在多目标跟踪数据集PETS2009上进行测试,并和其他先进的多目标跟踪方法进行对比,凸显本文多目标跟踪系统的优势,进一步明确亟待改进的问题。