本发明提出了一种基于对比学习的孪生网络目标跟踪方法，其利用表征模块、相似度计算模块、对比监督模块来实现；本方法提取目标模板和搜索图像块的特征表示，进而计算目标模板与搜索图像块中所有候选样本之间的相似度。根据相似度值和真实目标的位置信息，最小化目标候选样本和其他候选样本之间的对比损失，通过反向传播调节网络参数。不同于现有的跟踪方法分配同一人为设定的标签给不同的背景样本和最小化候选样本与人为设定的标签之间的误差，本方法利用样本之间内在相似度关系，促使学习到的跟踪模型不但能够区分不同类别的实例，而且还能够区别同类别不相同的实例。