随着社会经济和科技的发展,越来越多的监控摄像头被安装在社会的各个角落,这些摄像头在维护社会治安方面起到了巨大作用。然而很多时候如何高效地利用好这些数据却是一项十分艰巨的任务,使用科技手段以减少人力是一个很自然的选择。因此,针对自动跟踪并关联多个摄像头下面多个行人技术的研究有着十分重要的现实意义,该技术被称为多摄像头多行人跟踪。多摄像头多行人跟踪是一个复杂的任务,该技术可以对不同摄像头下面的多个行人进行同时跟踪,并将不同摄像头下面出现的相同行人给关联起来,从而最终生成每个行人的行踪轨迹。其涵盖了行人检测、行人重识别、数据关联等多种技术。这里面行人检测是一个相对底层的技术,在多种场景下都有被广泛使用,本文的研究重点主要在后两种技术上面,以期在现有行人检测结果基础上提高多摄像头多行人跟踪进度。多摄像头多行人跟踪算法的关键步骤之一是对行人提取外观特征,通过计算外观特征之间的距离来判断行人之间的相似程度。因此,如何提取出具有区分度的外观特征对后续操作至关重要。三元组损失函数是行人重识别里面最常用的损失函数,其对细粒度分类任务有较好的效果。但是传统的三元组损失函数将权重统一分配,对难样本缺少足够的关注,从而导致所提取特征区分度也不够。为此,本文提出了自适应权重三元组损失函数,可以根据特征间距离的大小自适应地分配权重,促使模型能够更多关注到困难样本。此外,本文又辅助使用了难样本挖掘的技术,进一步提高了模型的表达能力,在多个数据集上取得了精度的提高。在提取有效行人外观特征基础上,本文进一步探索特征关联问题。通过把每个行人特征看作一个样本,假设属于同一个人的特征距离上十分接近,属于不同人的特征距离比较大,使用相关聚类算法是个很好的选择。传统相关聚类算法在遇到遮挡等情况时容易导致错误。针对这一问题,本文提出了特征组相关聚类算法,让每个特征有机会和与其最相似的特征进行比较,从而提高了算法的鲁棒性。实验结果证明,在DukeMTMC数据集上特征组相关聚类算法能够进一步提升算法精度,与所提出的外观特征提取算法相结合,能够达到目前业界前沿的水平。