多目标检测跟踪是计算机视觉的一大分支,也是当今主流的研究重点,尤其是行人多目标跟踪,在智能视频监控、交通管理、无人驾驶等方面有着广泛的应用。尽管众多国内外的研究人员在目标跟踪领域有了一些突破,但由于实际场景中目标对象之间存在严重遮挡、目标物体形变、观察角度和环境因素变化等,仍是多目标跟踪研究方面的关键问题。如何能够准确识别物体并且快速匹配跟踪也是该领域的研究重点。传统的多目标跟踪算法轨迹分析和特征提取都需要人工设计进行计算,但这只能够获取图像的浅层信息,在性能上表现欠佳,同时也需要丰富的专业背景知识。随着人工智能在计算机领域的快速发展,深度学习算法很好的解决了这一问题,当前,在目标跟踪领域基于Tracking By Detection（检测和跟踪）是主流的研究方向,因此本文采用检查和跟踪的方法进行行人多目标跟踪,主要研究内容具体如下:（1）首先介绍了YOLOv3目标检测模型算法的原理,是一种实时的端到端的深度学习算法,为了优化目标检测模块,得到速度和精度同时较快的检测算法,本文对YOLOv3算法进行改进,得到新的网络模型结构RV-YOLOv3,该方法使用Rep VGG作为目标检测骨干网络,在目标检测方面,RV-YOLOv3的m AP达到了92.3%,相比于原模型YOLOv3提升了约3%,通过该网络提高了目标检测的速度和准确度。（2）针对单阶段目标检测模型在训练时面临正负样本数量极端不平衡的问题,本文采用一种简单的方法,在损失函数中给正负样本加上权重,通过设置权重参数来调整原始的二类交叉熵损失函数,使其能够聚焦于难样本,即聚焦损失函数（focal loss）,这个权重与模型预测该样本属于真实类别的概率有关,聚焦参数能够平滑地调整简单样本所降低权重的比例,通过网络对不同难度的样本分配学习,使简单样本和难样本能够得到对应的学习,促使目标检测阶段的速度和精度全面的提升。（3）在多尺度特征融合阶段,数据降维或者升维获得抽象特征是每一个卷积神经网络的重点,在原本3个尺度的基础上增加到4个尺度的特征融合,提高模型的泛化能力;卷积的方法采用步长为2的卷积操作,这必然会丢失部分特征信息,因此,本文采用步长为1的卷积后接最大池化的操作代替它,尽管池化会丢失特征信息,但是有选择的保留了主要特征,通过实验证明这种方法的有效性。（4）为了优化跟踪算法中的特征提取模块,研究了行人重识别网络中的特征研究机制,针对Deep Sort多目标跟踪算法综合性能指标MOTA（Multiple Object Tracking Accuracy）和ID switch都相对较为不错时,本文提出VGG形式的网络提取的行人特征来代替原来的Wide Res Net网络,目的就是为了在不影响目标被遮挡后ID switch增加的情况,提高整个跟踪模型的速度满足多目标跟踪实时性的需求。