摘要：目標跟蹤一直以來都是計算機視覺領域的關鍵問題,最近隨著人工智能技術的飛速發展,運動目標跟蹤問題得到了越來越多的關注.本文對主流目標跟蹤算法進行了綜述,首先,介紹了目標跟蹤中常見的問題,并由時間順序對目標跟蹤算法進行了分類:早期的經典跟蹤算法、基于核相關濾波的跟蹤算法以及基于深度學習的跟蹤算法.接下來,對每一類中經典的跟蹤算法的原始版本和各種改進版本做了介紹、分析以及比較.最后,使用OTB-2013數據集對目標跟蹤算法進行測試,并對結果進行分析,得出了以下結論:1)相比于光流法、Kalman、Meanshift等傳統算法,相關濾波類算法跟蹤速度更快,深度學習類方法精度高. 2)具有多特征融合以及深度特征的追蹤器在跟蹤精度方面的效果更好. 3)使用強大的分類器是實現良好跟蹤的基礎. 4)尺度的自適應以及模型的更新機制也影響著跟蹤的精度.