本文主要研究基于神经网络的图像目标跟踪算法。简要介绍了神经网络的基本概念、常用模型及常用的目标检测、跟踪算法。重点介绍了前馈网络和BP算法，对几种经典的改进算法进行了仿真，旨在选择适合于图像目标跟踪的网络训练方法。 在选定网络类型及训练方法的基础上，用一组图像序列进行了仿真试验。在此过程中同时对图像数据的预处理、训练样本的选取、图像匹配度函数的设计都进行了详细的讨论；对于BP网络在输入层、隐含层、输出层节点数的选取，学习速率，期望误差等网络参数的设计方面也给予了一定的讨论。 引入卡尔曼滤波器并与神经网络法结合使用。卡尔曼滤波器对目标在下一帧中可能出现的位置进行预测，神经网络在此预测范围内进行匹配，这样可以减少搜索范围，提高匹配速度。最后在正常、有遮挡、低对比度三种情况下进行了比较，仿真结果表明基于神经网络的图像目标跟踪算法可以有效克服遮挡，抵抗噪声，证明此方法是切实可行的。