多目标跟踪作为计算机视觉的一个重要分支,在智能机器人、视频分析、人机交互等领域都具有最要的应用价值。近些年来,深度学习在多目标跟踪方向的应用极大地提升了跟踪的精度,但随着视频监控、自动驾驶等领域的出现,对多目标跟踪算法的实时性需求也越来越大。为了解决这些问题,本文着眼于在保证多目标跟踪精度的同时提升算法的速度,主要进行了以下几方面的研究:（1）提出一种表观和运动特征融合的多目标跟踪算法。该算法基于先检测后跟踪的框架,解决了目标跟踪中的遮挡问题,很好得达到了跟踪速度和精度的折中。算法主要分为三个阶段:第一阶段不使用图像信息,而是基于相邻帧之间目标的重叠率快速实现目标轨迹的串联,形成一系列目标轨迹碎片。第二阶段通过同时引入单目标跟踪器和卡尔曼滤波器来处理第一阶段中由于检测结果丢失和目标遮挡问题带来的匹配失败,利用目标与现有轨迹之间的特征距离来判断遮挡的发生。第三阶段通过反向跟踪重新找到消失又重现的目标,同时利用卡尔曼滤波器的运动预测能力减少了匹配过程中的计算量。实验表明提出的算法在MOT16和MOT17两个数据集上表现优异,相比于基于目标前后帧重叠率的多目标跟踪器MOTA指标增加了1-2%,目标ID转换减少了26.5%,且在跟踪速度上较之于其他先检测后跟踪的算法具有明显优势。（2）提出一种基于候选框选择机制的两阶段实时多目标跟踪框架。该框架基于检测和跟踪融合的方法,通过一个多任务的神经网络同时实现了目标检测和特征提取两个子任务。同时引入候选框选择机制,在保证跟踪速度的同时提升了跟踪的精度。该跟踪框架主要包括三个部分:第一部分基于R-FCN的结构设计了一个包含目标检测和特征提取两个子任务的神经网络,通过引入空间转换层提取更加鲁棒的共享特征层,引入对位置敏感的池化层来提高目标分类的辨别能力。第二部分通过构建统一的评分函数从检测结果和运动预测结果中选取置信度较高的候选框用于后续的数据关联,以此减缓不可靠检测结果对跟踪精度的影响。第三部分通过综合运用目标的空间位置信息和表观特征信息进行级联数据匹配,实现了目标轨迹的串联。实验表明,提出的多目标跟踪框架不仅在跟踪精度上与当前最优的算法相当,而且在跟踪速度上综合考虑了目标检测、特征提取和数据关联三个过程,具有明显优势。同时通过消融实验验证了跟踪框架各个部分的有效性。