一句话定义：目标跟踪（Object Tracking）是指在视频序列中，在首帧（或任意一帧）由人划出或由画面里的检测器给出某个目标后，让算法在后续每一帧里持续定位这个目标，并且保证“认的是同一个”。
它到底在解决什么
很多人以为跟踪就是“每帧跑一遍目标检测”。其实不一样。检测器每帧独立工作，它对“这一帧里有没有人”负责，但对“这一帧的人是不是上一帧那个人”完全不负责。跟踪要额外做一件事：数据关联（data association），把当前帧的框和上一帧的身份对应起来。
打个比方：你在商场里盯住穿红衣服的朋友。人挤人、他一会儿被货架挡住、一会儿背对着你，你不会每秒重新问“这层楼有几个红衣服的人”，而是带着“他刚才在哪个方向、走多快、大概多大个”去比对候选，判断哪个是同一个。这就是跟踪：记忆 + 预测 + 匹配。
技术上的两大流派
按目标数量分，有单目标跟踪（Single Object Tracking，SOT）和多目标跟踪（Multi-Object Tracking，MOT）。
- SOT：框只给一个，重点在“跟住”。主流做法是判别式与孪生网络（Siamese network）思路，把模板帧和当前帧做特征匹配，找响应最大的位置；早期有相关滤波（correlation filter）方法。
- MOT：重点在“数清楚 + 分得清”。今天工程上最常见的是检测跟踪范式（tracking-by-detection）：先用检测器（detector）找出所有目标，再用运动模型（如卡尔曼滤波 Kalman filter，配合匈牙利算法做匹配）和外观特征（ReID 嵌入）决定“谁是谁”。所以 MOT 的质量上限很大程度由检测器决定，跟踪器本身往往很轻量。
和相邻概念的区别
| 概念 | 处理单位 | 是否有跨帧身份 |
|---|---|---|
| 图像分类（classification） | 一张图 | 无 |
| 目标检测（detection） | 一帧，多个框 | 无 |
| 目标跟踪（tracking） | 一段视频 | 有，且要求前后一致 |
| 重识别（Re-Identification，ReID） | 跨摄像头或跨时段的图库检索 | 有，通常作为跟踪的组件 |
| 视频目标分割（VOS） | 逐像素 | 有，比框更精细 |
所以一句话区分：检测回答“在哪”，ReID 回答“是不是他”，跟踪回答“他一直是什么状态、去了哪”。
难点与易踩的坑
最常见的失败不是丢失目标，而是 ID 切换（ID switch）：两个相似的人交叉走过，身份互换。遮挡、尺度剧烈变化、快速运动而导致的运动模糊、目标出画再回来、背景里有长得很像的干扰物，都会显著增加 ID 切换的发生概率。评估跟踪器时，MOTA、IDF1、HOTA 等指标都在这份“身份一致性”上做文章（具体口径以各数据集官方页面为准）。
对从业者的实际意义
如果你在做视频类产品，一个朴素但有效的经验是：不要每帧都跑全量高精度检测。用检测器隔几帧校正一次，中间由跟踪器做低成本外推，算力能省下不少，对于视频监控、自动驾驶感知、体育赛事分析、细胞显微成像、AR 这些场景都是常用套路。选型时先想清楚你要的是“单目标钉死”（选 SOT）还是“全场每个人各给一个稳定编号”（选 MOT），两者的评价方式和实现复杂度差得很远。