视频多目标跟踪作为计算机视觉领域的重要研究方向,已经在智能交通、无人驾驶等方向发挥着至关重要的作用。视频多目标跟踪技术的主要目的是在给定的图像序列或视频的每一帧中找出感兴趣的目标,然后根据目标的特征将相同的目标关联起来。到如今视频多目标跟踪理论已经发展的很成熟了,但目前仍然不能达到很好的跟踪效果,因为存在着许多影响跟踪效果的因素,比如:目标遮挡或变形、存在多个外观特征相似的目标、行人交互复杂等。精准的运动特征能够在很大程度上处理外观特征所面临的问题,但是在复杂的运动场景下很难提取出精准的运动特征。目前多数多目标跟踪方法致力于提升视觉特征提取算法,从目标检测响应中提取出优良的视觉特征,而在运动特征提取算法中则是采用简单的线性运动模型或是不能应付复杂行人交互的运动模型。本文将研究重点放在运动特征提取算法的提升上,致力于处理复杂抽象且难以建模的行人交互。通过学习目前主流的方法,本文致力于在复杂的运动场景下提取出精准的运动特征,主要完成了如下任务:1)研究了循环神经网络的算法原理和训练过程,分析了几种当下较为流行的轨迹预测方法,得出了这些方法存在的性能限制;2)针对复杂场景中复杂抽象且难以建模的行人交互,借鉴了行人的视觉系统机制,构建了基于行人视线范围的轨迹预测模型,与当前的轨迹预测模型相比,可以让轨迹预测模型学习到更为合理的行人交互;3)在行人交互模型中充分考虑行人之间的相对速度大小,相对运动方向以及相对位置关系,最后使用多层感知机网络来替代传统回归方法来预测位移量;4)针对基于循环神经网络的轨迹预测方法只能预测固定长度的轨迹的问题,构建了多模式的轨迹预测模型,能够根据输入轨迹长度自适应地匹配轨迹预测模型,并在此基础上构建多目标跟踪算法,取得了优于传统跟踪方法的跟踪性能。通过与现有方法进行轨迹预测误差对比实验和跟踪指标对比实验,本文基于视线范围的轨迹预测方法可以较好地处理复杂的行人交互,且基于此方法的跟踪模型取得了较优的跟踪性能。