视觉能够帮助人们更好地识别外界的变化,让机器像人类一样拥有视觉帮助人们处理一些繁重,危险的任务有着巨大的应用前景,也直接推动了计算机视觉的产生和发展,其中单目标跟踪技术得到了大幅度发展,已经成为计算机视觉领域的重要研究课题。目前,该技术在军用和民用这两大领域的渗透率不断提高,很大程度上提升了我国的国防力量,也改善了人们的生活品质。目前较为流行采用深度学习的方式来对复杂场景下的单目标进行实时跟踪,虽然相对于传统的跟踪算法该方式无论是在速度还是在精度上都有了较为明显的提升,但还存在着诸多问题,比如说对像素面积占比较小的目标跟踪困难,计算量过大导致算法实时性过低甚至无法达到实时性,相关性计算带来的语义信息严重丢失以及特征抽取时无法捕获全局信息等问题。通过对上述问题的深入分析,本文进行了以下研究工作:1.提出了复杂场景下基于双向特征金字塔融合框架的小目标跟踪算法针对小目标特征表达能力弱,复杂场景下易受相似物体干扰等跟踪难题,本文在主干网络上设计了一个双向特征金字塔融合框架,该框架主要是由正向特征金字塔和反向特征金字塔两部分构成。反向特征金字塔主要是为了强化语义和上下文信息,而正向特征金字塔则是为了强化位置和空间结构信息用于修复小目标内部结构细节并增强其定位能力。两者在特征类型上的差异性既可以形成优势互补又可以满足分类和回归对信息的差异性需求,增强小目标的表达能力。2.提出了结合Transformer与显著性编码的目标跟踪算法基于孪生网络的跟踪算法在使用相关性操作时极易丢失语义信息,以及目标的细节特征,并且缺乏全局建模能力难以在多种复杂场景下跟踪目标,针对以上问题,本文提出了一个结合Transformer与显著性编码的特征修复策略。该策略设计了显著性编码网络,修复相关操作带来的细节特征和语义信息的严重丢失,减少无效目标的干扰。同时利用Transformer的编码部分捕获具备全局关联能力的上下文信息来强化算法的分类与定位能力,并结合DIo U损失函数优化Bounding Box的生成。3.设计并实现了一个基于孪生神经网络算法的单目标跟踪系统以上述算法为基础,本文设计并实现了一个基于孪生神经网络算法的单目标跟踪系统,该系统有登录/注册、在线跟踪、离线跟踪以及跟踪记录四大功能模块,用户通过web端登录系统之后可选择在线和离线两种跟踪模式,同时系统会自动记录这两种模式的跟踪信息,通过跟踪记录可查询跟踪过的历史信息。