现代医学经常借助于内窥镜对人体进行检查、治疗以及康复监测。但由于内窥镜视野较为狭窄且人体因为呼吸、运动等会导致器官发生形变,外科医生在手术中难以对软组织表面进行全面准确的复原与跟踪,同时对内窥镜图像序列软组织表面特征的跟踪,在手术培训和教学、虚拟现实软组织3D建模等领域也有重要应用。本文对基于深度特征学习的软组织三维运动跟踪方法进行了研究,主要包括帧间三角匹配、深度特征提取与匹配以及帧内跟踪三个部分,具体内容如下:（1）提出了一种基于三角匹配的软组织表面特征跟踪的方法。本方法从特征开始展开叙述,特征是软组织表面的灰度集合区域——斑点,其中包括新提出的三角搜索划分方法,并创新性地运用重心坐标理论快速且准确地得到帧间斑点匹配数据,达成了无标记少样本的软组织表面特征跟踪的目的。（2）提出了基于深度匹配网络的软组织表面特征跟踪的方法。本方法在三角匹配算法的基础上展开叙述,首先由上述三角匹配算法所得到的前N帧帧间斑点匹配数据构建训练深度匹配网络所需的自制样本集。深度匹配网络在OCL人脸数据集上进行预训练,再在自制训练集上进行训练,训练完成后在后续帧中进行斑点匹配,获得后续帧与首帧之间的斑点匹配矩阵,由此矩阵可以得到帧间特征匹配结果,即完成帧间斑点跟踪。并在此基础上,将该方法的结果与基于卷积神经网络的匹配结果进行对比,实验结果表明,本文提出的方法具有更高的匹配准确率。（3）最后利用三角匹配算法,对帧内左右视图进行斑点匹配,在匹配结果上使用双目内窥镜下几何关系与参数来恢复出斑点的三维空间坐标,计算同一斑点在不同帧的坐标,实现软组织表面的三维运动跟踪。在内窥镜视频序列上进行实验,实验结果表明,斑点跟踪结果符合软组织表面的运动情况。