多目标跟踪（Multi-Object Tracking,MOT）是计算机视觉领域的一个重要研究内容,其任务是确定视频序列中所有实例的运动轨迹。作为计算机视觉中的一项基础研究,已广泛应用于自动驾驶、智能监控、人机交互等领域。近年来,由于深度学习技术的发展,多目标跟踪的研究工作取得了很大的进展;然而受跟踪目标数量的不确定、目标间的相互遮挡、复杂背景干扰以及检测器漂移等因素的影响,多目标跟踪仍然面临很大的挑战。基于检测的多目标跟踪技术（Tracking-By-Detection）是目前该领域的主流框架。该框架可分为全局目标检测、亲密度模型（也称关联模型）设计、关联状态推理三部分。全局目标检测负责在视频序列中逐帧检测出全部的感兴趣目标;亲密度模型负责提取出各个检测响应（或轨迹片）特征并度量它们之间的相似度;关联状态推理则根据各检测响应或轨迹片之间的亲密度,推理求解出全局最优关联,从而形成所有感兴趣目标的运动轨迹。本文在基于检测的跟踪框架下,利用深度学习技术,对亲密度模型中的特征表达学习进行了深入的学习与研究,主要工作如下:（1）基于空间注意力机制的亲密度模型空间注意力机制是克服跟踪目标相互遮挡、检测器漂移等问题的一种有效手段。本文研究并改进了一种基于孪生架构的空间注意力网络:针对原有模型在特征融合阶段易丢失不同通道空域结构信息的不足,提出用特征交并比代替加权池化进行特征融合,以此计算各检测响应对的相似度得分,以匈牙利算法进行状态关联,最终得到多目标运动轨迹。实验结果表明,改进后的模型有效提高了关联精度,实现了性能良好的多目标跟踪。（2）基于时空域注意力机制的亲密度模型在复杂场景下,仅利用空间注意力机制难以实现满意的跟踪性能;在这种情况下,利用被跟踪目标的时域动态信息,可以进一步改善亲密度模型的鲁棒性。本文提出了一种时空域注意力机制模型,通过对各检测响应之间的时空域关系进行建模,提取更具身份鉴别性的时空域特征,以改善上一章空间注意力网络模型的特征表达能力。在MOT Challenge数据集上的实验结果证明了该网络模型的有效性。（3）基于前背景解耦的特征表达学习时空域注意力机制旨在抑制干扰信息的同时突出有效信息,与该目的一致,本文尝试从特征解耦的角度出发,将生成对抗网络和生成式表达学习引入到多目标跟踪领域,通过设计网络架构与损失函数,实现了一种前背景特征解耦的神经网络模型。其中,前景特征对应于具有身份鉴别作用的有效信息,背景为除前景外的干扰信息;模型采用了自编码-解码框架和自注意力机制。实验结果表明,与目前一些主流算法相比,本章研究的方法具有相当或更优的跟踪性能。