视频多目标跟踪是计算机视觉领域研究的重要技术之一,该技术研究的关键点在于对视频中多个感兴趣目标进行连续追踪,目前常被用于自动驾驶、视频监控和智能交通等领域,随着人工智能技术的发展,如何利用深度学习提升多目标跟踪的性能成为当下研究热点之一。当前,多目标跟踪技术主要有三个难点:首先是目标定位,即如何检测出待跟踪的感兴趣目标;其次,如何对感兴趣目标进行运动预测,即将目标的身份信息逐帧传递下去不发生丢失;第三是目标被障碍物遮挡时如何跟踪目标。本文对如上三点难题展开针对性研究,主要包含基于深度学习的目标检测技术、目标运动状态估计以及特征融合方式研究,具体的研究内容如下:（1）基于深度学习的目标检测技术研究。本文采用无锚点框的策略设计一阶段的目标检测模型,通过预测中心点热力图的方式取代从预设锚点框回归目标的机制。主干网络使用改进的Hourglass Network提取深度特征,在一个大尺度的特征图上进行目标的分类回归预测,网络架构上采用跳层密集连接的方式聚合空间和尺度信息用于防止单一尺度特征图信息缺失,以此保证最后一层特征可以进行像素级预测。同时,在模型输出上增加Re-ID深度表观特征提取分支用于提取相应目标的重识别特征,从而实现卷积特征的共享。（2）运动状态估计。检测出待跟踪目标后需要对目标进行运动预测,针对跟踪场景差异目标可能存在的非线性运动的问题,采用扩展卡尔曼滤波算法建立恒定转率和速度的二次运动模型,用于目标在二维图像上运动状态的预测与更新,利用仿真实验和实际跟踪结果验证扩展卡尔曼滤波建模的有效性。（3）多特征融合方法研究。完成待跟踪目标的检测与运动状态估计之后,需要用当前帧的检测信息更新跟踪状态,将同一个目标的二者相关联需要利用特征来度量相似性。为了能够全面描述目标,本文选择HSV颜色直方图特征、Re-ID深度表观特征和运动特征三种特征,分别采用卡方距离、余弦距离和马氏距离来综合度量检测与跟踪轨迹的相似性。同时为使本文的多目标跟踪算法能够适应多种跟踪场景,将三种特征进行加权融合,并针对常见的跟踪场景设配出性能最佳的权重配置作为参考。根据相似性度量的结果采用KM二分图匹配算法关联检测与跟踪轨迹,为了应对遮挡问题,设计基于存活期的状态更新算法来保存一定时间内被遮挡目标的轨迹不会丢失,当目标重新出现时保证目标的有效找回。