目标追踪综述

摘要
目标追踪（Object Tracking）是计算机视觉领域的核心任务之一，旨在从视频序列中持续定位特定目标的位置与状态。随着深度学习与传感器技术的发展，目标追踪在自动驾驶、无人机监控、人机交互等领域广泛应用。本文系统梳理了目标追踪的技术演进、方法分类、关键挑战、应用场景及未来趋势，深入探讨了经典算法与前沿技术的核心思想，并分析了当前研究的瓶颈与潜在突破口。

一、目标追踪概述

1.1 基本定义与任务目标

目标追踪的核心任务可定义为：给定视频序列初始帧中目标的标注信息（通常为边界框或掩码），在后续每一帧中预测目标的时空状态（位置、尺度、运动轨迹等）。其核心挑战在于如何建模目标的外观与运动特征，并应对复杂环境干扰（如遮挡、光照变化、背景杂波等）。

1.2 历史发展脉络

目标追踪技术经历了从传统方法到深度学习方法的跨越式发展：

• 早期阶段（2000年以前）：基于手工特征（如颜色直方图、边缘特征）与卡尔曼滤波、粒子滤波等动态模型结合，代表作包括Condensation算法。
• 机器学习时代（2000-2015）：引入支持向量机（SVM）、Boosting等分类器，以及相关滤波技术（如MOSSE、KCF），显著提升了追踪效率。
• 深度学习崛起（2015至今）：以Siamese网络、Transformer为代表的端到端模型，结合大规模数据集（如LaSOT、TrackingNet），推动精度与鲁棒性大幅提升。

1.3 任务分类</