目标跟踪一直以来都是计算机视觉领域的关键问题, 最近随着人工智能技术的飞速发展, 运动目标跟踪问题得到了越来越多的关注. 本文对主流目标跟踪算法进行了综述, 首先, 介绍了目标跟踪中常见的问题, 并由时间顺序对目标跟踪算法进行了分类: 早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法. 接下来, 对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较. 最后, 使用 OTB-2013 数据集对目标跟踪算法进行测试, 并对结果进行分析, 得出了以下结论: 1

为了克服核相关滤波(KCF)只根据目标外观模型追踪时准确性低的不足,融入运动模型,计算了检测目标框和预测目标框的交并比(IOU)。通过匈牙利算法,确定了目标间的最优关联。KCF和IOU模型都具有快速响应的特点,因此算法可满足在线处理数据的要求。在公开的2DMOT2015、MOT16数据集上进行实验,将所提方法与其他优秀方法相比,在保证30 frame/s以上处理速度的同时,追踪准确性提高10%以上。