多目标跟踪算法结合了计算机视觉、人工智能、模式识别等领域的技术，具有较高的实用价值，是当前机器视觉研究的热点之一。本文在著名目标跟踪技术TLD的基础上，将其扩展到多目标跟踪情形，并与目标识别技术结合，提出了一种多目标识别-跟踪算法p-TLD。在算法改进工作的基础上，又介绍了一种充分利用多核CPU及协处理器的高效实现方式，最终构建了一个能够自动对多目标进行识别、跟踪，且对于高清视频能够达到实时性能的系统。本文的主要工作包括以下几个方面：　　1.详细研究了近年来新兴的一种目标跟踪算法TLD，针对它应用于高清视频时性能上的缺陷，应用当前前景检测技术的最新发展，提出了一种利用ViBe前景提取算法的高效背景预处理方法，能够在不影响检测精度的情况下极大的加快算法的处理速度。　　2.结合多目标跟踪的特点，对TLD算法的执行流程和数据结构进行适配，并提出了一种基于颜色特征的多目标区分方法，从而把算法推广到多目标情形。　　3.研究了目标检测算法HOG，将它与TLD算法结合，应用于新目标的识别，从而实现视频中物体的自动识别与跟踪。　　4.根据整个系统每一组件的执行特点，设计高效的并行化实现方式：针对不同目标的发现与跟踪，使用独立的线程执行计算；针对同一目标不同滑动窗口的检测，利用 GPGPU技术将最繁重的计算任务分布到图形处理器上；对于协处理器的计算结果，应用OpenMP技术进行高效汇总。最后在实际应用场景下，对整个系统进行验证与性能评估。　　本文的研究不仅对算法进行了改进与扩展，还给出了能够在实际应用场合被检验的高性能实现，具有一定的科研意义与工程意义，希望能够推动机器视觉相关领域的发展。