无人驾驶感知篇之目标跟踪（一）

基本的感知任务有针对动态道路参与者的目标识别、检测和跟踪，之前的文章基本把无人驾驶感知篇之目标检测写的差不多了，这篇开始写一写目标的跟踪。

1.什么是目标跟踪

目标跟踪是目标检测在时间轴上的延续，获得连续时间序列一系列的目标检测结果后，可关联不同时刻下的检测结果是否属于同一目标，并推算目标运动速度、加速度等不可直接观测的微分运动信息，甚至于预测目标未来时刻的运动状态。

2.目标跟踪算法

目标跟踪算法通常包含数据关联、运动模型和滤波三个关键。目标跟踪需要接收目标检测结果作为观测值进行估计，目标跟踪输出结果称为估计值。数据关联旨在将不同时刻的观测值在时间维度 上关联起来，数学上可定义为匹配问题，即通过目标位置或者外形的相似度量 计算分值，找到时序上最优的匹配结果。目标跟踪算法主要由以下：

早期跟踪算法：

（1）Meanshift跟踪算法

（2）Camshift跟踪算法

（3）Kalman滤波跟踪算法

（4）粒子滤波跟踪算法

相关滤波算法：

（1）MOSSE跟踪算法

（2）CSK跟踪算法

（3）CN跟踪算法

（4）KCF跟踪算法

（5）SAMF跟踪算法

（5）SRDCF跟踪算法

（6）深度学习跟踪算法：

（1）对相关滤波算法改进：C-COT、ECO。
（2）利用辅助图片数据预训练深度模型，在线跟踪时微调：DLT、SO-DLT。
（3）利用现有大规模分类数据集预训练的CNN分类网络提取特征：FCNT。
（4）利用跟踪序列预训练，在线跟踪时微调：MDNet
（5）运用递归神经网络进行目标跟踪的新思路：RTT、DeepTracking