目标跟踪算法

目标跟踪算法作为计算机视觉领域的重要研究方向，广泛应用于视频监控、自动驾驶、无人机导航、机器人感知、AR/VR 交互以及工业检测等需要在连续视频中持续定位目标的位置与运动状态的场景。随着应用需求不断提升，目标跟踪技术已从传统的 KCF、CSRT 等相关滤波方法逐渐演进到以 Siamese 网络为代表的深度学习模型，并进一步迈向以 Transformer 为核心的最新 SOTA 跟踪框架，使得算法在遮挡处理、外观变化适应性、长时跟踪稳定性等方面取得显著突破。当前工业界普遍采用轻量化、高速、易部署的深度模型与优化推理引擎，而学术界则持续推动精度极限与多模态融合的发展趋势，使目标跟踪在现实世界中的智能感知系统中发挥着越来越关键的作用。

OpenCV 已集成的目标跟踪算法（cv::Tracker 系列）

算法	简要说明	参考资料
BOOSTING	基于 AdaBoost 的早期跟踪器	https://docs.opencv.org/master/d7/d86/classcv_1_1TrackerBoosting.html
MIL (Multiple Instance Learning)	多实例学习，抗遮挡能力优于 Boosting	https://docs.opencv.org/master/d0/d26/classcv_1_1TrackerMIL.html
KCF (Kernelized Correlation Filter)	超高速核相关滤波器	原论文：https://www.robots.ox.ac.uk/~joao/publications/henriques_tpami15.pdf OpenCV：https://docs.opencv.org/master/d2/dff/classcv_1_1TrackerKCF.html
TLD (Tracking-Learning-Detection)	包含跟踪、学习、检测模块，可自恢复	原论文：https://link.springer.com/chapter/10.1007/978-3-642-15567-3_10 OpenCV：https://docs.opencv.org/master/d2/d0a/classcv_1_1TrackerTLD.html
MEDIANFLOW	使用前向 - 反向一致性，适合小位移	原论文：https://ieeexplore.ieee.org/document/5540108 OpenCV：https://docs.opencv.org/master/d7/d4c/classcv_1_1TrackerMedianFlow.html
GOTURN（深度学习）	使用 CNN 回归预测	原论文：https://arxiv.org/abs/1604.01802 OpenCV：https://docs.opencv.org/master/d1/d0a/classcv_1_1TrackerGOTURN.html
MOSSE (Minimum Output Sum of Squared Error)	极快的滤波跟踪器	原论文：https://www.cs.colostate.edu/~vision/publications/bolme_cvpr10.pdf OpenCV：https://docs.opencv.org/master/d2/d12/classcv_1_1TrackerMOSSE.html
CSRT (Channel and Spatial Reliability Tracking)	高精度改进版 KCF，常用于实际项目	原论文：https://arxiv.org/abs/1708.02873 OpenCV：https://docs.opencv.org/master/d2/d3c/classcv_1_1TrackerCSRT.html

现代深度学习 SOTA 跟踪算法（未内置在 OpenCV）

这些算法性能显著优于经典方法，可通过 PyTorch / TensorFlow 使用。

算法	类型	参考资料
SiamFC	Siamese 网络，端到端快速跟踪	原论文：https://www.robots.ox.ac.uk/~luca/siamfc.html Github：https://github.com/huanglianghua/siamfc-pytorch
SiamRPN / SiamRPN++	Siamese + RPN，大幅提升精度	SiamRPN++ 论文：https://arxiv.org/abs/1812.11703 Github：https://github.com/HonglinChu/SiamTrackers
SiamMask	同时进行目标分割和跟踪	论文：https://arxiv.org/abs/1812.05050 Github：https://github.com/HonglinChu/SiamTrackers
TransT	Transformer 特征融合，高精度	论文：https://arxiv.org/abs/2103.15436 Github：https://github.com/chenxin-dlut/TransT
STARK	Transformer 预测器，2021 SOTA	论文：https://arxiv.org/abs/2103.17154 Github：https://github.com/researchmm/Stark
SwinTrack	基于 Swin Transformer	论文：https://arxiv.org/abs/2112.01677 Github：https://github.com/LitingLin/SwinTrack
ByteTrack / BOT-SORT（多目标跟踪）	多目标跟踪（MOT）最佳方案之一	ByteTrack：https://arxiv.org/abs/2110.06864 Github：https://github.com/FoundationVision/ByteTrack BOT-SORT：https://arxiv.org/abs/2206.14651 Github：https://github.com/NirAharon/BoT-SORT