视觉目标跟踪算法是计算机视觉领域中一个十分热门的研究方向,在智能交通、视频监控、医学诊断、人机信息交互等多个重要领域内都有着广泛地应用。对于某个视频序列,视觉目标跟踪任务就是在给定初始帧中感兴趣目标状态的情况下,预测出后续帧中该目标的新的位置与状态。近年来,深度学习在目标跟踪算法上大放异彩,使得基于孪生网络的目标跟踪算法被广泛关注。但目标跟踪算法在实际应用中仍然面临着许多挑战,例如局部遮挡、外观形变、快速运动、光照变化、背景复杂等。因此,设计一个鲁棒、高效的目标跟踪算法是每一位目标跟踪算法研究者的共同目标。本文在Siam RPN++算法的基础上,以特征增强为改进方向展开研究。具体工作如下:在Siam RPN++算法上对搜索分支添加特征蒸馏模块。利用知识蒸馏的迁移学习,让搜索图像的浅层特征学习深层特征的表达能力,不仅增强了浅层特征,还进一步增强了深层特征,增强了网络对特征的提取能力,从而提升的算法的性能。通过两个网络的复合连接组成了一个强大的复合网络。复合网络中的副网络用来提升主网络的特征,利用特征间的融合来增强特征的表达能力,让主网络输出的特征同时包含不同层的特征,在跟踪时能够提取更多有用的特征,从而提升算法的鲁棒性和准确性。