视频监控系统在诸多领域发挥着极其重要的作用，由于计算机视觉的方法有着成本低廉、部署方便等优势，使得近年来多摄像机系统的应用越来越广泛。摄像机网络中的目标跟踪在维护公共安全方面起着尤其重要的作用，但由于摄像机场景千差万别，光线和视角变化剧烈等严苛的条件，使得目标跟踪十分困难。根本原因在于，传统的特征提取算法在监控视频苛刻的环境下不能够鲁棒的描述跟踪对象。另外，现有的目标跟踪方法在存在遮挡、目标消失再出现等情况下往往会丢失目标，无法进行持续有效的跟踪。一方面目标消失后再次出现时，将其作为新的目标进行跟踪的做法显然不符合实际需求，另一方面，在跟踪过程中当相似的目标出现时，也很容易误导跟踪器把该相似对象当成跟踪目标，从而导致跟踪失败。为了解决这些问题，本文实现了一种基于深度神经网络的跨摄像机的目标跟踪系统，利用识别辅助跟踪的策略稳定的跟踪感兴趣的目标。本文提出的跟踪算法将跟踪问题转化为寻找帧间检测到的目标之间对应关系问题，从而在目标消失再现后，采用深度学习网络实现有效的轨迹恢复，改善长距离跟踪效果，并在一定程度上避免相似目标的干扰。通过在标准数据集上与同类算法进行对比实验，实验结果表明本文提出的算法在目标受到遮挡、交叉运动、消失再现的情况下能够有效地恢复其跟踪轨迹，改善了跟踪效果，从而可以对多个目标进行持续有效的跟踪。