本发明涉及计算机信息技术领域，提供了一种跨模态融合目标跟踪方法。目的在于解决跨模态目标之间的差异过于巨大，单纯使用基于特征的匹配难以获得较好的效果的问题。主要方案包括构建生成由像素对齐模块、特征对齐模块、联合判别模块组成的对抗神经网络，在数据集上训练生成对抗网络，从不同摄像头采集的视频中提取待识别目标，并输入训练好的联合判别模块，得到目标和所有待识别目标之间的特征相似度；使用标注的目标在摄像头之间的转移时间数据集，训练出一个根据转移时间预测目标之间的时间相似度的逻辑回归模型，利用该模型计算出两目标之间的时间相似度；特征相似度和时间相似度相加得到总相似度，总相似度最高的目标对即为同一目标。