动态背景下的多目标跟踪技术是视频目标跟踪中难度很大的一个课题,但由于现实场景中,动态背景和多目标是很普遍的,因此越来越多的科研工作者投入大量精力来进行这方面的研究。动态多目标跟踪技术涉在诸多领域有着广泛的应用,例如智能视频监控系统、智能交通监控系统、军事武器精确瞄准以及视觉制导和跟踪等都有多目标跟踪的影子。本文提出了一种动态背景跟踪检测多个目标算法框架。首先将图像转出灰度图像,然后进行图像的灰度均衡化,再通过训练过的梯度直方图特征的分类器来进行分类,找到图像中的候选目标,通过训练在线的模版库,并将候选目标通过样本库进行目标的匹配。通过实验分析验证了算法的可行性。为了增加整个跟踪算法的鲁棒性,本文加入了稀疏光流跟踪的方法,多个特征可以使模版更好的表述目标特性,因此稀疏光流中不用前面用到的特征,而是均匀选取100个点,通过向前与向后光流,剔除误差大的点,最后得到光流跟踪结果。通过与前面匹配的结果融合,得到最终结果。从实验看,本文算法可以很好的处理目标的新生、目标消失再出现以及目标的部分遮挡问题。最后,本文针对使用本文所述的算法编写的软件进行详细论述。该软件基于MFC对话框编写,并应用机器视觉库,对行人视频进行有效稳定的跟踪,并能够提供全面过程数据与最终结果。