视频卫星作为一种新型的对地观测工具,能够在大视场下提供运动目标的动态信息,极大提高遥感数据的获取能力。基于卫星视频数据的不断增多,面向卫星视频的目标跟踪技术逐渐成为当下的研究热点。但卫星视频中的目标所占像素比极少,背景复杂多样,存在相似目标、相似背景与不同程度的遮掩情况对跟踪造成干扰,致使跟踪过程中出现误跟踪、跟踪漂移与丢失问题,最终导致跟踪任务失败。为此,本文以全卷积孪生网络为基础,提出一种基于复杂背景的卫星视频目标跟踪方法。该方法一方面通过对候选框的二次回归和筛选,提高对跟踪框尺寸的预测精度。另一方面将目标模板更新与历史轨迹拟合相结合,增强目标的定位精度与跟踪稳定性。实验表明,所提方法能够有效抑制复杂背景对目标跟踪的干扰,提高跟踪的精确率与成功率。本文具体研究内容如下:（1）针对相似目标干扰导致的误跟踪问题,提出分级双回归策略。该策略以生成候选框的平均交并比为依据,对候选框进行分级二次回归,极大提高候选框的回归精度。（2）针对相似背景干扰导致的跟踪漂移问题,提出目标辨别模型。该模型在深浅层联合筛选候选框的基础上,在线学习目标与周围背景的特征信息,提升最优候选框的筛选精度。（3）针对轻度遮掩导致的跟踪漂移问题,提出双模板更新策略。该策略利用帧间距离函数判断目标的遮掩程度,在轻度遮掩情况下,将目标外观的当前和历史特征相融合,有效提高目标的定位精度。（4）针对重度遮掩导致的跟踪丢失问题,提出空间位置预测模型和前后验证策略。其中,空间位置预测模型通过拟合目标的历史轨迹特征,保证跟踪的稳定性。前后验证策略将目标外观特征与轨迹特征相结合,进一步提高重度遮掩下的跟踪准确性。将本文方法应用到卫星视频数据中,可在背景复杂的情况下提供较好的跟踪结果,充分利用卫星视频数据中的动态信息,提高国防军事、智能交通等领域的应急处理能力。