运动目标检测和视频追踪技术在民用和军用的许多领域中都有广泛的应用场景。目前,尽管在车站、银行和大型购物中心等公共场所使用摄像机非常普遍,但在复杂背景及密集场景下,用于行人追踪的自动监控技术仍然需要大量人工干预。多目标追踪因其学术价值和商业潜力,在计算机视觉中逐渐备受关注。研究多目标追踪的主要目的是减少对人类的依赖,并自动完成复杂环境中目标的实时观察以及对感兴趣目标行为的分析和描述。近年来,深度学习等技术的发展使得多目标追踪算法得到极大提升,但是当目标发生形变、尺度变化以及被遮挡等情况时,还是很容易导致追踪失败。现有的实时多目标追踪研究主要集中在相关性判别上,其本质上是一种实时关联方法,而无法构成完整的多目标追踪。为了将提高算法的运动速度,因此,本文将多目标追踪中的多个模块融合到一个神经网络中,这样的融合有两点好处:一方面是通过共享图像底层特征,减少冗余计算,另一方面从图像的特征图出发,而不是从像素级出发,降低了算法的时间复杂度。本文基于深度学习技术,提出一种新的融合网络,同时对多目标追踪中的运动轨迹预测模块和数据关联算法提出改进方案。本文的主要工作包括以下内容:(1)提出了基于检测、重识别和Social-LSTM的多目标行人追踪算法。针对视角、光照、噪声等因素对多目标追踪的影响,对网络结构进行设计,以提高模型的泛化性能;在检测模型的基础上实现行人重识别功能;对于运动轨迹预测模块,采用Social-LSTM捕捉目标之间的相互作用力,提高算法的预测能力。实验表明,本文提出的算法在运行速度和提高追踪准确度方面,获得了显著的提髙。(2)提出了多模块融合的多目标行人追踪算法。为了进一步提高MOT算法的实时性,将检测、行人重识别和运动轨迹预测等功能融合到一个深度神经网络中,同时对数据关联算法进行改良。目前主流的多目标追踪算法在预测过程中都需要使用的卡尔曼滤波或者在数据关联中使用的匈牙利算法匹配,这些都需要将神经网络的输出结果转移到CPU上,GPU和CPU之间的交互会消耗大量时间,增加MOT的算法运行时间。该算法通过在运动轨迹预测模块中引入目标特征,将有效增加算法的鲁棒性。实验表明,本文算法相较于己有算法,在提高时间复杂度和降低误匹配率方面,都获得了显著的提髙。