视觉目标跟踪算法是近年计算机视觉领域的研究热点之一,算法需要在视频中持续、稳定地定位指定目标,为视频监控、无人驾驶等具体任务提供支持。近年来,深度学习方法被广泛用于计算机视觉任务,使用卷积神经网络的目标跟踪算法相比于传统方法在标准评测集上效果提升显著,同时,该类方法也面临着网络模型过大,难以实时运行等问题。从当前问题出发,本文重点研究基于卷积神经网络、可实时运行的单目标跟踪算法,该方法使用全卷积网络进行特征提取,配合相关滤波操作和局部搜索策略进行目标跟踪,在使用较小模型、保证算法可实时运行的同时达到了较好跟踪效果。主要工作包括以下三个方面。首先,设计了专门的网络结构(Net-A)和损失函数,利用大规模物体检测竞赛公布的视频数据进行网络训练和验证。算法跟踪效果在OTB评测集上超越多个近年提出的基于卷积神经网络的目标跟踪算法。其次,关注单目标跟踪算法的评价指标,证明最常用于单目标跟踪算法评价的AUC(Area Under Curve,指重叠率-成功率图线覆盖面积)值理论上等价于AO(Average Overlap,指算法输出与groundtruth的平均重叠率)值,并根据AO值对若干算法的跟踪结果进行定量分析,在此基础上提出基于全卷积网络的跟踪结果融合方法。最后,受定量分析结果启发,提出使用大规模图像分类网络的卷积层作为预训练模型,锁定其参数并接入新的卷积层(Net-B)在物体检测视频数据上进行训练,之后与Net-A合并用于目标跟踪。实验部分将所提算法与另外五种基于卷积神经网络的目标跟踪算法进行了对比,结果显示其跟踪效果优于Siamese FC和GOTURN算法,且保持实时运行的特性。在与非实时运行算法相比时,其跟踪效果也仅次于MDNet。