视频卫星的成功发射和运行,拓展了遥感对地观测技术的前沿。借助视频卫星“凝视”观察地面区域并记录视频信息的能力,新的研究领域与应用方向应运而生。目标跟踪技术是计算机视觉中的一个重要研究任务,能够对视频中感兴趣目标的运动状态进行连续跟踪。将目标跟踪技术与卫星视频数据进行结合,可以为交通流量监测分析、突发事件应急响应等应用提供必不可少的帮助。与一般视频相比,卫星视频中目标尺寸小,分辨率低,背景较为复杂,使得目标与目标、目标与背景之间可区分性较差,这些特点给目标跟踪任务带来了一定的挑战。目标跟踪技术经过了长久的发展,目前已经形成了许多有效的技术方案,其中,相关滤波类算法凭借准确、高速的特点成为了主流,而随着深度学习方法在计算机视觉领域取得了成功应用,基于神经网络的目标跟踪算法也愈发成熟,成果丰硕。根据目标跟踪领域的知识,并考虑卫星视频呈现的特点,本文对设计一个可以有效应用于卫星视频的目标跟踪算法进行了深入研究。本文基于卷积神经网络的基本架构,提出了采用卷积回归网络模型作为核心的跟踪算法,通过梯度下降求解参数,充分使用真实样本进行训练,改进了相关滤波算法的不足,提高跟踪器在卫星视频场景中的判别能力。在特征提取上,使用预训练的卷积神经网络模型代替传统的手工设计的浅层特征,以获得更深层次的目标表示。进一步地,本文提出分别提取外观特征与运动特征,通过自适应权重进行结合,合理利用二者之间的互补信息,弥补使用单一特征的不足,提高了算法的鲁棒性,有效解决了相似目标临近对跟踪产生的干扰问题。本文参考目标跟踪常用评价基准,使用卫星视频数据建立了完整的测试数据集,对算法进行了实验验证。对比常用目标跟踪算法和本文算法的跟踪效果,结果表明本文算法具备在卫星视频场景下实现跟踪的优越性能;通过大量的消融实验和对跟踪结果的可视化分析,证明了本文算法各个设计环节的合理性。