随着物联网、大数据和人工智能等技术的发展,视觉目标跟踪依然是计算机视觉领域热点研究方向,具有广泛的应用价值,如无人驾驶、智能监控、医疗诊断及行为分析等方面。视觉目标跟踪任务是在给定初始帧的目标位置信息的情况下,准确可靠地预测后续视频序列中目标的位置和大小。视觉目标跟踪过程中通常会面临许多挑战,如目标间遮挡、目标外观模糊、旋转及光照变化等,这些复杂的因素都对视觉目标跟踪算法的判别能力提出了更强的挑战。针对该科学问题,本文研究内容从以下两个方面展开:（1）针对根据单一响应图预测目标位置容易发生跟踪漂移的难点,本文选用基于卷积神经网络的回归模型作为视觉目标跟踪的基础框架,并提出创新的响应图融合方式,即双线性融合。这种卷积回归模型是对传统的相关滤波模型的改进,可以很容易地实现端对端的网络训练,因此本文选择在这种框架下改进算法。不同于简单的逐元素相加的融合方式,双线性融合的方法能够实现不同响应图之间的位置关联和信息交互,从而更加准确的根据响应图预测目标的位置,有效提高目标跟踪算法的鲁棒性。（2）基于所提出的视觉目标跟踪算法,本文进一步设计了一个视觉目标跟踪的用户交互原型系统。该系统包含参数调节模块、目标跟踪模块、统计结果显示模块以及任意一帧坐标显示模块。本文基于MATLAB平台设计了一个用户交互界面,将各个模块整合起来,形成了一个完整的原型系统,满足用户交互的需求,可以实现对目标跟踪算法的参数调节、实时观察目标跟踪状态、获取任意一帧目标的位置和大小以及视频序列准确率和速度的统计信息。