目标跟踪是计算机视觉的一个重要分支,其利用视频或图像序列的上下文信息,对目标的外观和运动信息进行建模,从而估计目标的位置。然而,未知的目标和跟踪场景,有限的目标初始状态,以及随时间变化的目标外观,都使得目标跟踪任务极具挑战性。本文重点研究基于卷积神经网络的目标跟踪关键技术,围绕场景旋转、相似物体干扰和遮挡等问题,旨在提高可见光视频复杂场景中目标跟踪的鲁棒性和精确度,主要工作为:针对传统跟踪算法只输出不带旋转角度的边界框而无法精确检测目标边界和检测目标旋转状态的问题,提出一种基于孪生卷积神经网络多尺度旋转搜索的目标跟踪算法。该算法利用孪生卷积神经网络来直接学习搜索区域和目标模板之间的相似度量函数,通过对搜索区域进行不同尺度和不同旋转角度的变换来进行数据扩充,以实现检测目标的尺度和旋转变化的能力。实验结果表明,该算法结构简单,同时展现出精确的边界定位能力和运行速度。针对复杂场景中相似物体干扰导致漂移的问题,提出一种基于离散相关滤波器判别网络的目标跟踪算法。该算法在一个浅层孪生卷积神经网络中加入基于离散相关滤波器的互相关层,通过基于响应图置信度的选择机制在线更新模板,学习目标和相似物体之间的差异来构建判别网络;在普通孪生网络跟踪方法中加入该判别网络,通过普通孪生网络的粗略搜索到判别网络的精细识别,实现判别相似物体和目标;并利用不同尺寸的向量卷积核来压缩网络参数。实验结果表明,该算法在跟踪总体性能和背景中相似物体干扰情况下均优于基于普通孪生卷积网络的跟踪算法。针对遮挡问题,提出一种基于时空域网络的轨迹预测模型辅助目标跟踪的算法。该算法从目标过去信息出发,利用轨迹预测来解决相机运动的复杂场景下跟踪被遮挡目标的难题。该算法由三个网络组成:一个基于卷积神经网络的背景运动估计网络,来匹配相邻帧之间的全局背景运动向量,用于补偿相机运动对目标轨迹的影响;一个基于目标外观推理的跟踪网络,可以是任何基于深度学习的目标跟踪算法;一个轨迹预测网络,利用背景运动向量、目标过去轨迹和过去多帧图像等预测目标未来的位置,同时一个子分类网络输出预测位置的轨迹置信度。实验结果表明,该算法能够辅助跟踪器解决相机运动的复杂场景下发生的遮挡问题,以及目标周围的相似物体干扰等问题。针对上述轨迹预测算法无法利用深度学习进行端到端训练和轨迹置信度的过拟合问题,提出一种置信度校正的轨迹预测和跟踪统一模型算法。该算法仍然是为了解决遮挡问题,和上述轨迹预测算法的不同之处在于:该算法整合背景运动检测网络、跟踪网络、轨迹预测网络和评估网络到一个统一的跟踪和轨迹预测模型,从而可以端到端的训练。该模型输入过去多帧图像,输出当前帧的跟踪结果和轨迹预测的位置,以及未来多帧的预测位置,附带其轨迹置信度;轨迹置信度是由一个基于分类的评估网络产生,由于一般分类网络趋向于输出过高的概率值,为此引入了一个基于温度尺度的校正模型,通过校正轨迹置信度使其符合真正的概率。实验结果表明,该算法相比于上述轨迹预测算法能够更好地处理遮挡问题。本文提出的四种基于深度学习的算法有效地解决了可见光视频复杂场景下目标跟踪任务中存在的旋转、相似物体干扰以及遮挡问题。