视觉目标追踪是计算机视觉领域的研究热点之一,在无人驾驶,智能安防、人机交互和信息侦查等领域都有十分重要的应用价值。由于真实环境中目标的表观信息和环境背景都具有复杂性和不确定性,使得单目标追踪任务仍存在遮挡、运动模糊和背景混淆等难点。近几年,机器学习技术经常被用于计算机视觉,因为它们有能力利用训练数据来提高性能。不幸的是,大部分的追踪算法没有从海量的离线训练视频数据中受益,而且没有充分利用到图片的背景信息,存在着鲁棒性差、计算速度慢等问题。为了充分利用海量的视频数据和图片的背景信息,本文将单目标追踪模型转化为相似性度量学习模型,并使用三分支神经网络实现相似性度量学习模型。在训练阶段,该模型学习视频序列中目标与目标之间的相似性度量、背景与背景之间的相似性度量和目标与背景之间的空间上下文关系。在测试阶段,该模型利用目标与目标之间、背景与背景之间和背景与目标之间的匹配关系,在知道目标在前一帧中的位置、尺寸信息,目标背景之间的上下文关系的前提下,准确预测目标在当前帧中的精确位置和尺寸。如此回环往复,实时预测目标的位置和尺寸信息,以达到追踪的目的。为了增强目标和背景表观模型的鲁棒性及可区分性,本文针对单目标追踪任务对卷积特征的特性进行了分析,发现高层卷积特征具有较强的语义表达能力,对目标有鲁棒的表示能力,可以应对目标表观的变化;而低层的卷积特征对图像细节的刻画能力更强,可以使背景有较强的区分能力。通过综合使用多层卷积特征,并在线学习各个卷积特征的权重,对目标和背景的表观进行精确的建模。为了应对现实中复杂的追踪场景和目标表观变化,本文提出了一种自适应衡量追踪结果的置信度的方法。根据追踪结果的置信度灵活地对目标模板进行更新,既适应了目标表观的变化,同时也减弱了由于不可靠的追踪结果引起的追踪漂移问题。本文基于提出的三分支网络模型、多层卷积特征融合方法和自适应置信度反馈模板更新法,设计了一种有效的单目标追踪算法,并在Object Tracker Benchmark和Color Tracking Benchmark两个公开的数据集上验证算法的有效性。