本文的主要研究内容是足球比赛视频中球员的运动轨迹提取,即对球员目标的运动跟踪。足球比赛具有极高的关注度,对比赛视频内容的分析技术具有重要的现实意义和良好的应用前景。由于足球比赛的场地、衣着颜色等条件的多样性,目前还没有一个通用的跟踪器能够完美适应所有场景。深度学习技术因为其出色的特征提取能力,近年来在计算机视觉领域得到了广泛的应用。本文尝试使用深度学习技术,自动提取球员目标的特征信息,实现目标的检测以及跟踪。一方面,本文研究了基于深度学习的目标检测方法,通过形成新的多尺度特征以及修改锚点的生成规则,使其更加适应足球比赛场景下的小目标检测任务;另一方面,本文通过构建相似度矩阵的方法,将多目标跟踪问题转化为可以通过匈牙利算法解决的数据关联问题。在构建相似度矩阵时,本文提出使用以下三种特征:(1)运动特征,使用卡尔曼滤波计算;(2)检测特征,使用检测模型提取的多尺度特征;(3)表观特征,使用孪生网络提取。然后综合考虑这三种特征的相似度形成相似度矩阵。针对足球比赛中常见的目标新增、目标消失以及目标遮挡的特殊情况,本文分别给出了对应的解决方案。实验表明,本文研究的算法能够较好地完成足球比赛场景下的多目标跟踪任务,并且能够适应不同的场景,对场地、衣着颜色等条件的变化具有较强的鲁棒性,是深度学习技术在足球比赛视频处理中的一次成功应用。