基于深度学习的视觉目标跟踪方法已经在一些公开的数据集和光照条件良好的现实场景中取得了较好的成绩，但是此类方法在面临极低亮度的夜间场景时跟踪效果有较大幅度的下降。针对上述问题，基于Retinex理论和U-Net编解码器结构设计了一个低光照图像增强网络，方法结合注意力机制增强对全局信息的利用，利用深监督加快网络的收敛，最后以反射分量作为网络的输出。夜间场景图像经过图像增强后将得到接近正常光照场景的图像，再将此图像送入目标跟踪网络进行目标跟踪。方法结合视觉目标跟踪网络SiamRPN在DarkTrack2021数据集上进行了实验，结果表明，在基准网络之前插入的低光照图像增强网络，夜间场景下视觉目标跟踪的成功率和精确度可以提升13.0%和14.7%。