本文主要研究多摄像机、非交叠视域环境下的室内行人跟踪算法以及软件系统的实现。　　 随着计算机视觉技术的发展，多摄像机目标跟踪逐渐成为国际研究的重点，但是同时也是难点，尤其是非交叠视域环境下的目标跟踪，由于摄像机位置的复杂性，不同摄像机间场景的光照情况不统一，而且目标在摄像机间的姿态差异、大小差异较大，同时由于盲区的存在我们无法获得目标在摄像机之间运动时的行为等等，这些都加大了开发高效跟踪算法的难度。因此国际上的相关文献也比较少。　　 本文首先介绍了多摄像机目标跟踪的研究现状及发展状况，然后介绍了基于粒子滤波的单摄像机跟踪方法并结合混合高斯背景模型对其做了一点改进，这部分是多摄像机跟踪的基础。然后重点提出了解决多摄像机跟踪的方案：　　 1)摄像机网络时间转移模型的建立及其在线更新算法。时间转移模型描述的是目标从一个摄像机的出口运动到另外一个摄像机的进口时花费时间的概率，这层时间约束可以提高目标的匹配精度。　　 2)摄像机网络间色彩传递模型的建立及其在线更新算法。本文采用了两种传递模型，一种称为亮度传递函数，另一种是在laβ颜色空间的高斯模型。色彩传递主要解决不同场景间的亮度、光照差异问题。　　 3)基于区域特征的摄像机间目标匹配方法。基于区域特征的匹配方法相对于全局特征更加符合人类区别物体的方法。本文采用了基于SIFT描述子和SMOG模型的方法。　　 基于协同学习co-training算法的模型在线更新框架。本文对系统中与时间相关的模型，如时间转移模型和色彩传递模型，都开发了相应的增量式算法。同时采用协同学习的方法保证模型精度不发散。