视频跟踪是指根据目标在视频第一帧中的位置,自动预测目标的后续位置及其尺寸。传统的跟踪算法仅对第一帧的目标信息进行学习,缺少足够的先验知识,当目标大面积被遮挡或者发生剧烈的形态变化时,跟踪器往往会发生漂移,导致跟踪失败。由于传统算法无法解决目标的遮挡与尺寸问题,因此本文将检测网络引入到目标跟踪算法中,通过对大量目标类别样本的学习,使检测网络获得跟踪目标的先验知识,在目标状态发生变化时,检测网络能够利用先验知识辅助跟踪定位目标,同时又能够提供目标的精确尺度信息。深度学习具有强大的特征提取能力,能够避免人工设计特征带来的局限性。深度学习提取的特征能够表达目标的深层信息,可以提高目标跟踪算法的准确性和稳定性。卷积神经网络是深度学习模型之一,被广泛应用于图像处理领域。视频跟踪的处理对象为图像序列,因此本文实现了一种基于卷积神经网络模型的目标跟踪算法。综上所述,本文提出了一种基于卷积神经网络特征共享与目标检测的跟踪算法。将检测网络引入到目标跟踪算法中,有效解决了跟踪过程中由于目标遮挡或尺度变化带来的跟踪失败问题。此外,本文依据不同任务的不同特点,将高级的顶层特征用来进行目标检测,而低级的底层特征用来进行目标跟踪。本文提出了一种特征共享模型,能够同时得到检测网络与跟踪网络所需要的顶层和底层特征,减少网络的冗余计算,提高目标跟踪算法的效率。