在计算机视觉领域中，视觉目标跟踪是一个重要的研究方向，是视频语义理解的一个核心组成部分。当前，硬件性能的提升以及大数据的发展，使得目标跟踪的应用涉及安防监控、智能驾驶、人机互动、视频编辑等多个领域。近年来，随着深度学习技术的使用与发展，目标跟踪算法的性能得到了较大的提升。在深度学习方法中，基于判别性模型的方法能够在线地整合背景信息，因此成为了当前的主流跟踪方法。但是当前跟踪器所应用的的特征融合和构建方法以及判别性模型限制了跟踪性能的进一步提升，当前的特征融合与构建方法不能有效处理互补特征融合问题和样本不均衡问题，现有的判别性模型也不能有效缓解过拟合问题，传统的判别性模型在求解效率和包含信息量等方面也存在着限制。本文以深度判别性模型为研究对象，针对现有的上述问题从特征融合与构建方面和判别性模型设计方面进行了深入研究，提出了多种基于深度判别性模型的视觉目标跟踪方法，提升了目标跟踪的鲁棒性、准确性和效率。本文的主要贡献概括如下：

1. 从特征融合方面，针对互补特征的自适应融合问题，本文详细推导了多核相关滤波的上界模型，提出了基于多核相关滤波的判别性跟踪算法，实现了多种互补卷积特征的自适应融合。此前目标跟踪方法难以有效利用互补特征和非线性核函数，限制了算法的精度与效率。本文将多核学习应用到相关滤波模型中，将原始多核相关滤波模型的目标函数的上界作为新的优化函数，推导了多核学习参数和相关滤波器的联合优化过程，并利用迭代求解、频域快速优化方法和特征降维显著提升了计算效率。所提出的模型为预训练的浅层和深层卷积特征分别构建核矩阵，通过在线优化实现了自适应特征融合。实验结果表明，所提出的方法在多个主流数据集上取得了同时期方法中领先的定位精度和较高的运行速度。

2. 从特征构建方面，针对在线跟踪中的样本不均衡问题，本文提出了基于目标已知的特征的深度判别性跟踪方法。由于在在线跟踪中前背景样本极度不均衡 (前景类样本远少于背景类样本)，训练得到的模型难以较好地拟合前景样本。因此为了缓解不平衡问题带来的负面影响，本文通过投影的方式将学习得到的目标未知的特征映射到目标已知的特征空间。为了使卷积特征提取网络更适合于目标已知的特征构建方法和判别性跟踪框架，本文在网络中嵌入判别性模型求解器，通过端到端的离线训练学习更合适的特征空间。基于这样的目标已知的特征构建方法，学习得到的模型可以在在线跟踪中较好地拟合前景样本。在多个主流数据集上的实验结果表明，该方法都显著超过了基准方法，验证了本文提出的特征构建方法的有效性。

3. 从判别性模型设计方面，本文针对过拟合问题提出了动态正交投影限制的判别性跟踪方法。当前跟踪方法所学习到的特征往往是高维的，造成了判别性模型中存在大量可学习的参数，增加了在线跟踪中过拟合的风险。因此本文提出通过卷积神经网络进行特征降维来缓解过拟合的风险。本文首先提出了一个正交限制的岭回归模型来降低特征维度，然后设计了一个动态子网络来学习特征降维。在经过正交损失和回归损失指导的离线训练后，该子网络能够动态地生成一系列的正交基向量，在在线跟踪中进行自适应特征降维。基于这样的判别性模型和降维子网络，本文提出了一个有效的跟踪方法。实验结果表明所提出的跟踪方法在七个主流数据集中取得了先进的跟踪精度，同时取得了实时的运行速度。

4. 从判别性模型设计方面，不同于贡献三中的基于岭回归模型的方法，本文提出了基于Transformer的判别性目标跟踪方法。当前的判别性方法使用的跟踪模型 (如岭回归) 大都是手工设计的，存在求解效率较低，包含信息量有限等问题。本文提出了基于Transformer的方法，有效地将编码器和解码器中的注意力机制应用到判别性跟踪框架中。其中编码器能够有效地利用训练图像中的场景信息并生成判别性特征；预测头网络能够密集地得到每个空间位置的前背景概率和目标边框估计值。在离线训练中，该方法通过分类和回归损失指导网络的训练，驱动编码器生成具有判别性的特征。所提出的方法摒弃了传统的目标跟踪网络架构，且不需要手工设计判别性模型求解器。实验结果表明该方法在多个主流数据集上取得了领先的跟踪精度和较高的运行速度。