本发明公开了一种基于目标感知深度特征压缩的电力智能巡检跟踪方法，将需要跟踪的电力设备图片输入预先训练的卷积神经网络，提取包含待跟踪电力设备及其背景区域的深度特征；并与给定的高斯软标签一起输入单层卷积网络，利用负平衡损失学习直到网络收敛；利用全局平均池化将每个通道的反向传播的梯度进行量化得到初始重要性权值，二值化得到最终的重要性权重；在跟踪时，仅在第一帧提取目标模板深度特征，将下一帧搜索区域图像提取深度特征，并进行压缩；将压缩后的目标模板特征与搜索区域特征进行相关操作获得目标的位置。本发明通过反向传播网络梯度获得重要性权重来指导深度特征压缩过程，获得简洁深度特征以降低运算成本，提高跟踪鲁棒性。