随着我国社会的发展,社会各界对安全防范能力的要求越来越高,视频监控系统是实现保障社会公共安全、企业生产安全、家庭防盗安全的重要手段。目标跟踪作为视频监控系统中的最为基础且重要的功能之一,为车辆违规驾驶、可疑人员追踪排查等多种需求提供了强有力的帮助,同时目标跟踪功能也是对视频内容进行分析的基础。准确的目标跟踪定位结合其他相关算法,可以实现对视频中目标行为的智能化分析与理解。因此,对视频目标跟踪技术的研究具有重要意义。本文通过对全卷积孪生网络跟踪算法（Fully Convolutional Siamese Networks for Object Tracking,Siam FC）的深入分析,发现该算法在跟踪过程中容易受到复杂背景或相似物体的干扰,造成目标丢失。其主要原因在于Siam FC在跟踪过程中仅将目标的外观信息作为跟踪依据,而外观信息又容易因目标本身或外界环境的影响发生改变。为此本文给出了一种基于动态权重的双分支孪生神经网络跟踪算法,在Siam FC基础上添加了基于语义信息的跟踪支路,作为外观信息跟踪分支的有效补充。同时分析了注意力机制对特征提取的作用,针对语义分支添加了双重注意力机制,从空间位置与特征通道两个维度强化语义特征提取。并通过对两分支跟踪结果的可视化分析,给出了基于动态权重的分支结合方法,有效地结合利用两分支的优势进行跟踪。本文算法在多个标准目标跟踪测试集上进行了实验,采用消融实验验证了各模块的有效性,并通过对比试验与其他优秀的跟踪算法进行了对比分析。结果表明,本文算法对视频目标跟踪任务有着较好的结果与性能。此外,根据实际应用场景的需要,本文利用所给出的基于深度孪生神经网络目标跟踪算法,采用Django后端框架和前端开发技术,搭建了一套视频目标跟踪系统。系统基于B/S结构,设计实现了视频监控模块、目标跟踪模块、用户管理模块、以及摄像头管理模块。实现从视频采集到智能分析再到用户和设备管理的一站式服务,方便视频分析人员的使用和管理,提高视频分析的效率。