如今网络的发展使得人们生活的方方面面都离不开网络,5G时代的到来使人们更容易享受到人工智能与计算机视觉带来的便利。目标跟踪是计算机视觉与模式识别领域当中的一个重要的研究方向,其广泛的应用在视频自动跟踪监控、汽车自动驾驶和军事武器等领域。但现实生活中的场景往往是非常复杂且多样化,拍摄的视频中障碍物的遮挡、目标严重形变、运动速度过快、背景干扰、观测视野过于狭窄和光照环境变化等一系列的因素,使得原有的跟踪算法不能实时、精确、鲁棒的跟踪目标。计算机技术的发展硬件性能的提升也使得卷积神经网络在跟踪领域得到了更好应用。2016年全卷积孪生网络的提出使目标跟踪又多了新的方向,并且在此算法基础上诞生了大量新的算法。本文主要是研究单目标运动物体的跟踪问题,运用孪生网络的思想,从基于卷积神经网络的全卷积孪生网络着手,针对其精确度不高,不够实时,背景干扰容易产生漂移等问题对孪生网络做出了一些的改进。本文研究的主要内容包含以下两面:(1)提出了一种基于双孪生网络的自适应跟踪算法,两个孪生网络其中一个负责目标外观信息的识别判断,另一条孪生网络负责目标周围语义信息的特征提取。其中语义分支是预先训练的AlexNet网络;另一条,外观分支是在全卷积孪生网络的基础上在前三层网络间加入一个反馈中断网络,使得在遇到简单帧能够快速的跟踪处理简单帧。因为外观信息属于浅层信息,当外观分支网络提前中断,整体网络得到反馈,网络将会自动选择屏蔽语义信息直接跟踪目标,使网络实时性提高。否则将两个网路特征按一定比例叠加得到目标位置。(2)提出了一种基于VGG孪生网络的注意力通道机制模型,该网络采用VGG-16的前十层网络作为基础,在目标线上加入了注意力通道。VGG孪生网络的深度信息能够更好的抓取目标的特征,不同的功能通道在不同的场景上跟踪时有不同的影响,通道权重表示不同通道的不同重要性。因此,通过增加更稳定特征通道的权值,可以提高算法的适应性。