跨摄像头多目标跟踪任务旨在从多组视频序列中确定多个目标的连续运动轨迹,被广泛应用于智能商业、安防监控等领域。轨迹关联是跨摄像头多目标跟踪任务中的关键问题。其中,一种最为常见的做法是采用行人重识别技术提取轨迹中行人的外观特征并将其作为轨迹关联依据。然而,受背景、光照等因素的影响,训练好的行人重识别模型直接应用到新的监控场景后,性能会明显下降。另外,在轨迹关联过程中,通常将轨迹中所有行人图像的外观特征均值作为轨迹的整体特征表示,以此来度量轨迹间的相似性。但行人的行走方向变化和相互遮挡等情况都会导致行人外观特征产生一定程度的差异,影响轨迹整体特征表达的稳定性,增加摄像头间轨迹关联的难度。因此,本文针对上述问题展开以下研究:（1）针对行人重识别模型在跨域场景下性能下降的问题,本文提出了一种基于背景抑制和身份一致性的跨域行人重识别方法（BSIC-re ID）。首先,设计了包含背景掩模注意力和反向注意力的背景抑制模块,以抑制图像中的背景噪声并突出用于重识别的前景行人信息。此外,设计了基于身份一致性关系的伪标签过滤策略,利用BSIC-re ID模型为目标域图像提取不同尺度的外观特征,从不同的视角生成伪标签并比较多尺度特征间的相似性来过滤错误的伪标签,从而为目标域图像生成更高质量的伪标签。在Market-1501、Duke MTMC-re ID和MSMT17数据集上的实验证明该方法在跨域行人重识别领域取得了较好的性能。（2）针对行人行走方向变化和遮挡导致轨迹整体特征表达不稳定的问题,本文提出了一种基于姿态估计和时空约束的跨摄像头多目标跟踪方法。首先,设计了局部姿态匹配算法,通过比较局部姿态变化来衡量行人间的相似性,应对多目标跟踪过程中因遮挡产生的轨迹中断问题。其次,设计了状态估计算法,利用人体姿态信息预测行人的行走方向和遮挡状态,以便更好地利用行人外观特征,降低行人行走方向变化和遮挡对轨迹整体特征表达稳定性的影响。此外,为缩小轨迹关联时的检索范围并提高时间效率,本文还建立了基于道路拓扑的摄像头链路模型,为摄像头间轨迹关联提供有效的时空约束。在NLPR＿MCT和EPFL数据集上的实验结果证明了该方法的有效性。（3）在本文所提方法的基础上,开发了一个面向社区的在线跨摄像头行人跟踪系统。该系统包含跨摄像头行人跟踪、行人搜索以及人员分类跟踪三种功能,能够帮助相关人员完成特定行人的识别和追踪任务。