基于行人的多目标跟踪算法在视频分析、智能安防中有着广泛的应用。但跟踪算法只能提供跟踪目标的边界框表示,而在行人姿态识别、视频编辑等更复杂的任务中,往往不能满足于边界框表示,还需要分割算法分割出精确的目标边缘,从而对跟踪目标做更精细的处理。现有的联合实例分割与多目标跟踪的算法较少,且计算量较大,部署困难。因此本文立足于算法的落地部署,采用轻量型网络结构将目标检测、实例分割和多目标跟踪三个任务集成于单个模型中。同时将分割特征做为一种注意力特征融合进其他任务的预测分支中,以增强对前景区域的注意力。本文采用一系列优化措施来增强模型的学习能力,主要包括以下几点:（1）在 YOLACT（You Only Look At CoefficienTs）算法和 FCOS（Fully Convolutional One-Stage Object Detection）算法的正负例样本划分方式里,容易出现多个目标的正样本区域互相重叠,而重叠区域的训练方向不唯一,容易导致分割结果不稳定。因此本文改进正负例样本划分方式,减少了优化方向不唯一的情形,使分割结果更加稳定。同时采用多种注意力模块,自适应调整特征权重,有效提升算法精度。（2）实例分割分支基于YOLACT结构,只需为每个目标生成一组组合系数即可与原型掩膜组合生成高分辨率的实例分割结果。同时加入边缘损失和ACNet（Asymmetric Convolution）进行训练,在不增加测试计算量的前提下提升分割性能;（3）跟踪分支基于JDE（Joint Detection and Embedding）结构,但跟踪任务和检测中的分类任务优化方向不一致,分类任务注重类间差异,而跟踪任务注重类内差异。因此采用两个分支分别处理检测任务和跟踪任务,降低优化难度。（4）分割分支的原型掩膜具有部分分割特征。因此本文在预测分支的ASFF模块中融合原型掩膜特征。原型掩膜特征不仅能提供精细的前景区域帮助跟踪分支对词向量进行编码,同时提升了检测性能和组合系数的质量。当模型训练完成后,由TensorRT加速模型的推理速度,同时采用多线程提升运行速度。最终将本文算法应用于Jetson设备上。通过实验验证,本文算法在精度和速度上均高于JDE、YOLACT等算法,且在单个模型中融合了实例分割方法与多目标跟踪方法,对设备的算力要求低、容易部署,具有实际的应用价值。