1.单目标跟踪 SOT
2.多目标跟踪 MOT（Multi-Object Tracking）
单目标跟踪和多目标跟踪完全是两个不同的研究方向：一文带你了解视觉目标跟踪
多目标跟踪1. TBD（Tracking-by-Detecton）
2. DFT（Detection-Free Tracking）
a.在线跟踪（Online）
b.Near-Online
c.离线跟踪（Offline）
Tracking By Detecting基于目标检测的跟踪：首先在视频每帧中先检测出来所有感兴趣的目标物体（例如利用yolo），然后将其与前一帧中检测出来的目标进行关联（Data Assoiation）来实现跟踪的效果。优点是可以在整个视频中跟踪随时出现的新目标，但前提得有一个好的“目标检测”算法
具体的跟踪过程：步骤1：使用目标检测算法将每帧中感兴趣的目标检测出来，得到对应的(位置坐标, 分类, 可信度)，假设检测到的目标数量为M；
步骤2：使用一定的度量标准来判断当前帧M检测结果与上一帧中的N个检测目标是否相似，然后使用匈牙利算法（Hungarian algorithm）在M*N个Pair中找出最像似的Pair
度量标准：前后两帧的IOU，预测和实际检测框的欧式距离（检测框的预测使用卡尔曼滤波）、gsdddd距离，前后检测框特征的距离（Appearance Information）
匈牙利算法是一种寻找二分图的最大匹配的算法，在多目标跟踪问题中可以简单理解为寻找前后两帧的若干目标匹配的最优解的一种算法
算法讲解：https://zhuanlan.zhihu.com/p/62981901
卡尔曼滤波（Kalman filter）：卡尔曼滤波可以看作是一种运动模型，用来对目标的轨迹进行预测，并且使用置信度较高的跟踪结果进行预测结果的修正
算法讲解：https://blog.csdn.net/phker/article/details/48468591
https://blog.csdn.net/dark_scope/article/details/8880547#commentBox
在关联的过程中，会出现三种情况：
1）在上一帧中的N个目标中找到了本次检测到的目标，说明正常跟踪到了；
2）在上一帧中的N个目标中没有找到本次检测到的目标，说明这个目标是这一帧中新出现的，所以需要把它记录下来，初始化一个新的轨迹；
3）在上一帧中存在某个目标，这一帧中并没有与之关联的目标，那么说明该目标可能从视野中消失了，我们需要将其移除，删除轨迹
优秀的链接：
http://bbs.cvmart.net/articles/72/shen
https://zhuanlan.zhihu.com/p/62827974