目标跟踪技术在足球比赛视频中具有重要的意义,是视频摘要生成、球员运动分析、赛事策略制定和足球事件检测等高层语义任务的基础。近年来目标跟踪领域涌现出很多优秀的算法,主要包括相关滤波和深度学习两大类,但是没有一种算法能够针对足球比赛视频实现高准确度的球员跟踪。针对足球比赛的特点,提出并设计了一个融合相关滤波和孪生网络的球员跟踪算法。特征提取与处理方面,为增强远镜头下球员特征的表示能力,采用手工特征与深度特征相结合的方式,并在频域中使用三次样条插值从宽高维度上将离散特征变换为连续特征;为提高跟踪速度,使用因式分解将特征深度大幅降低;为缓解跟踪漂移,利用运动物体的惯性规律计算出预测速度对跟踪结果进行修正。在线跟踪方面,将相关滤波操作分解后作为滤波器层加入到孪生网络的特征提取层之后,为实现跟踪模型端到端的训练,推导出了滤波器层的反向传播公式;为提高定位精确度,在结果响应图中采用二阶牛顿法通过多次迭代的方式实现精准的次像素级定位;为增加跟踪模型对球员外观变化的适应能力,模型的在线更新采用了动态学习率的方式和间隔帧的策略。实验采用足球数据集对跟踪算法进行了测试,并与其它有代表性的跟踪算法做了对比。实验结果表明本算法在精确度和鲁棒性两个方面均有着优异的表现,但是在严重遮挡时仍会产生跟踪漂移的现象。下一步可以考虑提取表示能力更强的特征,并采用目标分块的方式进行跟踪,在遮挡情况下能够进行准确的跟踪。