受背景环境的复杂性、多目标之间的相互交叉与遮挡、运动目标姿态与形状的变化、光照的变化等因素的影响,高效鲁棒的多目标跟踪算法研究仍然是难点。本文对离散连续优化多目标跟踪算法加以改进,提出一种改进的离散连续优化多目标跟踪算法。在目标跟踪的基础上,获取目标轨迹靠近图像边缘的样本,并对其位置聚类,从而估计出场景中进出口的数目以及进出口的位置。本文所做工作如下：1.目标跟踪方面：针对复杂场景中常见的多目标跟踪问题,提出一种改进的离散连续优化多目标跟踪算法。算法通过增加新的能量函数、改进原能量函数以及增加全局优化后的聚类处理,有效地解决了多目标跟踪中出现的跟踪丢失、跟踪分裂、轨迹合并以及身份转换等问题。实验结果表明,本文算法能够对目标持续跟踪,在复杂场景中较传统多目标跟踪算法具有更高的跟踪准确度。2.场景进出口估计方面：本文采用K-均值聚类算法对靠近图像边缘的目标样本位置进行聚类。实验结果表明,本文方法能够估计出场景中的进出口。