目标跟踪作为计算机视觉的一个基本问题,近年来得到了广泛的研究和应用,发展十分迅速。其任务是利用图像序列中的信息,在给定目标初始状态的情况下预测目标后续的运动状态。目前,基于可见光图像的目标跟踪方法已经在VOT、La SOT等数据集上取得了很好的效果。然而,可见光目标跟踪方法在光照不足的场景下无法正常工作,此时能够全天候工作的热红外目标跟踪方法可以发挥重大作用。现有的热红外目标跟踪方法主要基于孪生网络框架,通过离线学习一个相似度匹配函数,取得了不错的效果,但是仍然存在一些问题。一方面,现有的热红外目标跟踪方法只使用单一的高层特征进行特征匹配,忽略了低层特征蕴含的局部细节信息;另一方面,现有的方法大多只利用了模板特征,缺乏对图像序列中时序信息的利用。针对这些问题,本课题分别从利用双层特征和利用时空特征两个角度对热红外目标跟踪方法进行研究:热红外图像具有与可见光图像不同的特性,其缺少颜色、边缘模糊、缺乏丰富的纹理信息且分辨率较低。这些特性导致单一的高层特征无法区分目标与相似物体且目标定位精度较低。因此,本课题设计了一个双层特征增强网络,通过跨分支的上下文建模,学习判别能力更强的局部细节特征和全局语义特征进行特征匹配。为了更有效地融合不同层级特征的互补性信息,本课题提出了一个决策层融合策略对跟踪结果进行自适应融合。在PTB-TIR和LSOTB-TIR热红外目标跟踪数据集上的实验结果表明该方法在鲁棒性、精确度等评估指标均优于基线模型,在四个热红外目标跟踪数据集上也优于大部分的热红外目标跟踪方法。这验证了基于双层特征增强的热红外目标跟踪方法的有效性。现有的热红外目标跟踪方法只利用了模板特征。针对此问题,本课题进一步挖掘图像序列中的时序信息,提出了基于时空特征融合的热红外目标跟踪方法。所提的时空特征融合网络由时空信息编码模块和时空特征融合模块组成。时空信息编码模块利用一种基于窗口的时序注意力机制将时空注意力分离,从而高效地编码跟踪历史帧中蕴含的时空信息,增强历史帧的特征表示。时空特征融合模块将增强的历史帧特征分别与模板特征和搜索帧特征融合,得到融合时空信息的特征。在LSOTB-TIR数据集上的实验表明该方法相比于当前最好的热红外目标跟踪方法在成功率上提升8.5%,在其他三个热红外目标跟踪数据集上也优于大部分前沿方法,达到了目前的先进水平。