近年来卷积神经网络框架被成功地应用到目标跟踪领域, 并取得了较为稳健的跟踪结果。基于此思想, 提出一种基于定位-分类-匹配模型的目标跟踪方法。首先, 在定位模型中, 利用前一帧的位置信息预测当前帧中的候选目标区域。然后, 采用已训练的深度特征对候选区域进行类间筛选, 选出N个次优目标区域。最后, 利用常规颜色特征对次优目标区域进行类内寻优匹配, 从而确定最终的跟踪目标。与此同时, 分别对定位、分类中的网络进行更新, 并对建立的匹配模型进行在线实时更新, 使得其对目标的描述更加准确。在OTB50和OTB100标准数据库上进行实验测试, 结果表明, 提出的跟踪方法在快速运动、相似物体干扰、复杂背景等条件下具有较好的跟踪稳健性。