随着计算机视觉领域的发展,学者们对目标跟踪的研究也越来越关注,尤其是多目标跟踪。多目标跟踪在自动驾驶、交通管理等多方面有着广泛的应用。现阶段的多目标跟踪研究有不错成果,但是在目标遮挡、交互或者感兴趣目标众多等复杂环境情况下,多目标跟踪算法的应用和速度就会受到制约。因此,本文采用基于检测策略的多目标跟踪算法进行研究,实现高效、准确的跟踪任务。主要研究内容如下:（1）研究Faster RCNN和YOLO系列等先进检测算法,分别将不同检测算法结合SORT跟踪算法进行跟踪测试。通过分析实验结果,选择YOLOv3检测算法代替原有的Faster RCNN检测算法,提升跟踪效果。（2）采用改进型数据关联进行目标跟踪。为全面度量建模信息,本文使用Giou方法作为度量标准,构建距离度量矩阵。这种改进型方法可以更好处理短期遮挡的跟踪问题,有效提高跟踪准确率,增强算法鲁棒性。（3）针对ID频繁变化以及弥补误检等问题,本文基于原SORT跟踪算法融合了可视化跟踪机制进行处理。其中,选取KCF、MEDIANFLOW和基于Siamese网络框架的GOTURN算法作为该机制的研究对象。当面对轨迹跟踪失败情况下,利用可视化跟踪机制继续对其进行跟踪。通过分析实验结果,改进型算法的机制扩展手段能很好地处理因检测导致的误测、漏检和遮挡情况下目标跟踪问题,有效减少了目标身份切换的次数。综上所述,本文基于检测策略的改进型多目标跟踪算法,通过结合相匹配的YOLOv3算法、改进数据关联方法和增加可视化跟踪机制方式,改善跟踪性能的同时,还提高了跟踪速度。