目标跟踪是计算机视觉领域中一项基础且重要的研究任务,在工业检测、智慧交通、自动驾驶等领域有重要应用。在视频的第一帧中给定初始的目标后,目标跟踪方法旨在视频的连续帧中估计该目标的范围,目标跟踪方法主要通过一个边界框来表示目标范围。随着计算机视觉和深度学习技术的发展,近年来目标跟踪方法的性能迅速提升。然而,进一步提升性能仍存在困难挑战,例如,目标的快速移动、剧烈形变、消失视野等。面对诸多困难挑战,现存的大部分跟踪方法主要通过对目标和背景进行分类以准确定位目标的位置,而估计目标范围主要是通过简单的多尺度搜索来完成。这种简单的方法并不能非常准确地估计出目标边界框。为更好地完成对目标边界框的估计,本文将跟踪任务分解为对目标的分类定位和尺度估计两个子任务。在跟踪过程中,这种分解框架首先通过分类目标和背景来得到目标的一个初始位置,然后根据该初始位置进行目标尺度的估计。基于相关滤波和基于深度卷积神经网络的跟踪方法都可通过此分解框架来提升性能。然而,基于相关滤波的跟踪方法主要通过传统目标检测领域的建议框生成方法,来进行目标尺度的估计,此类方法存在尺度建议框冗余等问题。相比之下,基于深度卷积神经网络的跟踪方法通过目标检测领域的交并比预测网络等方法,能够较好地完成尺度估计任务。但由于在线跟踪时可学习的样本较少,目标的分类定位也会受到尺度变化的影响。如何更精准地分类定位以使得后续的尺度估计更鲁棒是基于深度卷积神经网络的跟踪方法需要解决的重要问题。针对上述问题,本文的研究内容和创新点如下:（1）本文提出了一种精准估计尺度的自适应尺度框选择方法。该方法可以与大多数基于相关滤波的跟踪方法相结合以解决尺度估计问题。首先,其使用HSV颜色空间直方图,来对两个实例（一个为初始帧结果,另一个为上一帧预测结果）与产生的建议框进行表征。接着,该方法通过一个自适应的选择策略对部分冗余的建议框进行过滤,从而有效缓解了由冗余建议框而导致的性能和速度下降的问题。并且,我们将自适应尺度框选择方法与两个相关滤波跟踪方法结合,来验证所提方法的有效性和适用性。实验结果表明,提出的方法能有效地过滤冗余的建议框,从而提升跟踪方法的性能和效率。基于自适应尺度框选择的跟踪方法获得了较好的性能,在尺度变化这一挑战上表现突出。（2）本文提出了一种基于尺度感知定位的深度网络跟踪方法。在基于分类定位和尺度估计的分解框架下,其中分类定位的准确性会受到尺度变化的影响。由于在线可学习的样本较少,基于深度卷积神经网络的目标跟踪方法有可能陷入过拟合问题。因此,我们提出了一种基于尺度感知定位的深度网络跟踪方法。首先,该跟踪方法通过使用尺度变化的数据增广方法对模型进行初始化。然后,该跟踪方法使用尺度金字塔学习的方法,在每一帧的多尺度响应图中搜索目标位置。最后,提出的跟踪方法会通过交并比预测网络来完成对目标的尺度估计。实验结果表明,提出的跟踪方法在应对跟踪的许多挑战上有更好的鲁棒性,并获得了有竞争力的实验结果,而且可以达到实时的速度。