近些年,在公共场合的视频监控设备数量飞速增长,例如机场、地铁和商场等。然而,仅依靠人类的视觉来查阅海量的视频数据有很大的困难。采用一些智能的方法让计算机来处理、分析,以挖掘视频中的信息具有很大的学术和商业价值。在本课题中,我们聚焦于计算机视觉中的行人轨迹预测和多相机下行人跟踪问题,展开相关的研究与技术实现。多相机多行人跟踪的目标是确定每时每刻每个对象的位置。行人轨迹预测是基于行人的历史观测数据对行人未来的行进轨迹进行预测。它们可以应用于视频监控、分析,运动和人群行为分析,自动驾驶又或者可疑和异常情况的检测。多相机下的目标跟踪有很多挑战,例如长时间的遮挡、相机设置、视角和行人姿势的巨大变化,因此它更加依赖可靠的外观特征。在行人轨迹预测问题中,当人们在人行道,地铁和机场等拥挤的空间中行走时,他们自然会根据场景上下文调整行走方式,并遵循共同的社会礼节,例如保持隔离和避免碰撞。这些隐含的交互关系会导致复杂的群体运动,对准确地轨迹预测造成了极大的挑战。本课题针对上述挑战,提出了一种基于人体部位语义特征的多相机多行人跟踪方法,基于二分支深度神经网络提取全局外观特征、构建人体部位语义特征图,并以二者融合为基础组装了一个多相机多行人跟踪处理流水线。提出了一种基于图神经网络的行人轨迹预测方法,构建了以无监督方式推断行人间交互关系的图神经网络模型,支持并发预测行人未来轨迹。通过在多相机多目标跟踪和行人轨迹预测公开数据集上的实验,本文对实现的方法进行了性能测试与评估。测试结果表明,提出的方法相比于现有的方法在各项性能指标上都取得了较好的提升。本文的研究为解决多目标跟踪相关问题提供了新的研究思路和方案,也为更高级别的应用系统提供了支撑。