本发明提出一种基于混合卷积与自注意力的聚合网络目标跟踪方法与系统，通过卷积操作得到对应的模板特征和搜索特征，分别作为聚合模块的输入特征，输入特征经过卷积操作后得到中间特征；聚合模块共享一个卷积操作，聚合模块中的混合卷积采用深度卷积和逐点卷积来分离中间特征的空间和信道的混合，在增大感受野的同时减少空间和信道特征冗余；聚合模块中的自注意力模块对中间特征进行学习，并自适应地聚焦不同区域以捕获更多的全局相关性；最后将混合卷积与自注意力模块的输出特征相加，经过随机失活层得到最终的输出特征，输出特征聚合了局部和全局上下文信息。本发明可缓解网络在训练过程的过拟合，提高跟踪器的泛化能力。