在跟踪过程中，目标形态的变化、遮挡的存在、复杂的环境制约及运动的相互影响等使得多运动目标跟踪变得非常困难。本项目针对现有方法在复杂背景及运动应用中所存在的跟踪失效问题，对基于半监督学习和交互模型的多目标跟踪方法进行研究。研究内容包括：1)提出了基于半监督CovBoosting的单目标跟踪及多目标跟踪方法，有效应对了跟踪视频中表观及背景渐变带来的挑战；2)提出了基于交互模型的多目标跟踪方法，包括如何估计目标的运动趋势，怎样度量轨迹的运动相似性，如何挖掘场景中的结构信息来改善跟踪性能，有效解决了跟踪过程中目标运动复杂这一难题；3)提出了基于表观重构误差预测的跟踪方法，包括如何中跟踪过程中，构建反应目标运动及上下文信息的特征，预测目标的在学习到的生成空间中的重构误差的变化，以适应目标和背景表观的变化。课题组的研究成果发表在相关的国际期刊和会议上，已发表学术论文16篇，其中包括IEEE Trans在内的国际期刊10篇，国际会议6篇，培养研究生6名。