多目标跟踪领域是目前机器学习领域中一个热门的研究方向,其研究具有重要的军事及民用价值。尤其是随着军事任务的复杂化和多样化,使得多目标打击成为一个重要的发展方向,更加促进了多目标跟踪技术的研究。本文以视频图像中的行人作为研究对象,对运动多目标跟踪问题展开了研究。本文的研究内容主要包括以下三个部分:(1)介绍了多目标跟踪领域目前的发展现状,对当前国际上主流的跟踪算法进行了归纳总结。对目前国际上使用较多的两种多目标跟踪算法的评价体系CLEAR MOT和MOT Challenge 2015进行了详细介绍,主要包括体系的评价指标和基准测试数据集两部分。(2)深入研究了基于批处理的广义最大多团算法,并针对算法的不足提出了一种改进的广义最大多团算法。改进后的算法在原算法目标函数的基础上进一步增加真实节点项,利用检测自信度作为真实节点项的权重值,并在算法原有约束的基础上设计了目标函数中真实节点的相应约束,保证了问题的完整性及可求解性,最终实现算法在跟踪精度上的提高。(3)深入研究了基于在线学习的马尔科夫决策过程算法。由于原算法不能够对目标进行预测,导致目标跟踪时出现了一些漏检,本文根据此现象提出了一种改进的马尔科夫决策过程算法,在原算法马尔科夫决策过程的状态中加入了虚拟跟踪状态,一定程度上解决了漏检问题。