多目标跟踪在视频场景理解和分析领域的一项重要任务。然而受检测质量、背景干扰、相似外观、遮挡和运动模式的变化等因素的影响，多目标跟踪的算法研究也是一项具有挑战性的课题。本文针对这些问题展开了深入研究，主要工作如下：
　　(1)针对观测行人框质量不足的问题，本文提出了一种融合行人区域回归的多目标跟踪框架，用于提升多目标跟踪的精度。首先本文通过分析视频行人检测质量对于多目标跟踪性能的影响，构建了融合区域回归的多目标跟踪框架。该框架基于系统提供的观测行人框和跟踪结果，代替检测框架中的候选框提取网络，由此大幅提升跟踪精度。与此同时，本文还提出了一种基于跟踪先验的非极大值抑制算法，并由此构建了结合多目标跟踪的视频检测框架，由此提高检测器的稳定性。
　　(2)针对存在相似外观、遮挡和复杂运动等因素的场景下，运动模型和表观特征模型内部存在的冲突和不对齐问题，本文提出了一种基于运动集成和表观融合的框架拓展。首先本文提出了一种相机运动强度指标，由此自适应调节行人运动模型参数和判断当前相机运动强度，从而完成对运动模型的集成。同时，提出了一种基于三维积分图的空间区域分配算法，由此将数据关联过程的时间复杂度降低至线性。又考虑到跟踪轨迹中丰富的历史特征信息，以及跟踪框特征和观测行人框特征在姿态和遮挡等情况下的不对齐问题，本文提出了一种结合可视度预测的表观模型，并由此设计了一种自适应特征融合模型，从而缓解了特征不对齐问题。
　　结合以上提出的算法，本文利用MOTChallenge数据集对算法进行实验评估。结果显示，本文提出的跟踪器在MOT15~17上的跟踪整体效果达到了48.1、60.4和60.1，为在线跟踪榜第一名。与此同时，基于跟踪器改进的视频检测框架在保持原有检测精度的同时，稳定性提高了4.8%。实验结果表明，本文所设计的在线多目标跟踪算法优于目前绝大多数主流算法，并且对于复杂的场景保持着一定的鲁棒性。