多目标跟踪是计算机视觉研究领域一个重要的组成部分。在军事,医疗,安防,人机智能交互等方面有着广泛的应用。基于特征多目标跟踪技术包括对视频序列的目标检测分离、分析提取特征、设计相似度测量函数、特征匹配等。　　 针对经典的Meanshift算法只利用颜色特征,而忽略考虑运动目标的其他特征,以及Meanshift算法难以适应复杂场景中多个目标的障碍物遮挡和目标之间的相互遮挡的问题。本文探索Kalman滤波和Meanshift相结合的方案,并开展了基于多特征的多目标跟踪算法研究,对算法的可行性进行了大量实验。　　 本文研究的是在复杂场景中,设计视频序列中对多个目标进行跟踪的方案,方案能够满足多目标跟踪实时性和鲁棒性的需求。本文的主要研究工作有以下几点:　　 第一、对基于特征的目标跟踪算法进行了研究。在特征的选择和特征的匹配上作了总结和比较,并通过实验来说明特征匹配的方法。　　 第二、对几种常见的滤波器进行概括和总结,分析了经典Meanshift算法的缺点和优点。引入Kalman滤波器预测结合Meanshift对运动目标进行跟踪。　　 第三、考虑到实际应用中出现的遮挡情况,对多目标交叉遮挡、场景中障碍物遮挡问题进行了分析。针对目标在遮挡的过程中突然变向,而导致Kalman预测不正确的情况,引入SIFT特征在搜索窗口中对目标进行特征匹配,从而跟踪目标更准确。