计算机视觉在体育视频方面已经越发的成熟,并且在很短时间内获得了长足的发展。其中目标跟踪是热门研究方向之一,多目标跟踪是现阶段要解决的难点问题。本文目的是在现有目标跟踪算法基础上,针对足球转播视频的场景下进行改进,完成对小目标球员的跟踪,并将算法应用于移动端进行实时跟踪。在预处理阶段,本文对于原始的足球转播视频存在大量镜头切换的现象,提出基于主色率和帧差阈值双阈值限定的视频镜头检测算法,对原始足球转播视频进行预处理,使远镜头的视频片段被完整提取,并用于建立算法验证所需的数据集。在小目标检测方面,由于YOLOv5检测算法在足球场景下的小目标检测方面存在不足,通过在原始模型上添加小目标检测层及放弃使用mosaic数据增强的方式,来改进YOLOv5s模型对小目标的检测。对比实验表明,改进后的模型相对于原始模型在小目标检测准确性方面明显提升。在多目标跟踪方面,Deep SORT多目标跟踪算法是对不可靠的目标检测结果与现有的跟踪器输出进行数据关联,本文在Deep SORT算法框架的基础上对不可靠检测问题做出相应的改进。通过从检测和跟踪的输出收集候选目标,解决不可靠的检测问题。为了对大量候选目标作出最优选择,创建基于全卷积神经网络的评分机制,产生一个统一的检测框和预测框的标准置信度,使存在时间越长的轨迹的可信度越高,并将挑选的最优候选目标作为NMS的输入。以此来减少由类内遮挡导致的长期跟踪漂移现象。实验表明,改进之后算法对足球场景下的ID递增有较好的抑制效果。最后,将改进后的目标跟踪算法移植到Android端,满足用户对指定目标进行跟踪的需求,实现单目标跟踪的跑动轨迹显示、多目标跟踪的站位连线展示,并提供基本视频编辑等辅助功能,为用户复盘提供简便高效的工具支持。