多目标跟踪近年以来成为了计算机视觉领域中的一个研究热点。通常可以利用计算机对目标进行检测与跟踪,这样在很大程度上能够替代人工的工作,同时降低对各种资源的消耗。多目标跟踪在其研究初期基本是在单视角中进行的,至今众多学者已提出了很多优秀的算法。但是单视角自身仍存在局限,最突出的就是在单视角中无法避免遮挡问题,同时若单视角获取的图像中目标外观信息模糊,对跟踪的影响也是很大的。对此大家纷纷考虑在多视角环境下进行多目标跟踪,这样可以利用各个视角间的冗余互补信息来解决单视角跟踪中的一些问题。与单视角的多目标跟踪研究相比,在多视角环境下进行多目标跟踪时还需要额外考虑视角间的数据关联问题(即重建问题),这也是近年来的一个研究重点。通常在理想情况下,相同目标在不同视角中的3D坐标是不变的,这也成为解决视角间的数据关联问题的关键所在。本文旨在基于同一跟踪目标在不同视角下的3D坐标一致性来实现冗余互补信息的融合,从而提高总体跟踪性能。本文的主要工作如下:(1)在单视角的多目标跟踪中,本文提出了一种改进的基于行人轨迹信息的相机参数估算方法,来帮助将目标在二维图像上的跟踪转化到三维空间中去。与原有的相机参数估算方法相比,该方法能够获得更准确的相机参数。(2)在多视角的多目标跟踪中,本文提出一种新的目标3D坐标重建方法----“MI方法”。该方法引入了图像相似性度量的思想,通过匹配同一跟踪目标在不同视角下的位置信息,寻找出最佳的地面高度并据此重建出跟踪目标的3D坐标。与原有的几种3D坐标重建方法相比,“MI方法”提高了重建出的目标3D坐标的准确度,同时抗噪性能也表现良好。(3)本文在最后搭建了基于最小费用流的多视角多目标跟踪系统并利用“MI方法”优化了该系统在前端数据处理阶段的性能。同时将该系统在PETS2009的视频数据集上进行性能测试,并与其他跟踪系统进行对比。结果显示,本文搭建的跟踪系统取得了不错的跟踪效果。