目标的特征表达是目标跟踪过程的关键,人工特征相对简单,实时性强,但表征能力不足,在处理快速变化和目标遮挡相关问题时,容易产生跟踪漂移。深度神经网络(DNN)在目标检测和识别任务中的强特征表达能力,使DNN逐渐成为特征提取工具。采用更深层的残差神经网络(ResNet)替代VGG-19网络作为特征提取工具,首先将ResNet-50中的特殊附加层结构和卷积层特征进行融合,得到鲁棒性更强的目标表征特征。然后对特征进行相关滤波操作,根据最大响应值确定目标位置。最后,为扩展算法在局部目标跟踪领域的应用场景,采用基于图形的视觉显著性检测算法提高局部目标的权重值,抑制背景信息,以提升特征层的目标表征能力。