理工酷

在计算机视觉中，目标检测是在图像或视频(只是图像序列)中扫描和搜索目标。

请看下面这张图像：

如果我们要从图像中检测汽车，这被称为目标检测。

目标跟踪就像你在监视某人并跟踪他。比如，在动态gif或视频中，我们想要跟踪一个对象是如何移动的，它去哪里，或它的速度。

有两种方法可以“跟踪”一个对象。

首先是跟踪是一系列的检测。假设在一个路段交通的视频中，我想跟踪一辆车或一个人，拍摄了视频的不同快照(通过暂停视频在不同时间拍摄图像)，并检测我的目标。

然后，通过检查我的对象在视频的不同帧中是如何移动的来跟踪它，比如计算它的速度，因为我知道它在两帧中位移了多少，它们之间的时间间隔是多少。由于我们对视频快照的所有像素进行多次处理，这类算法属于密集跟踪方法。

第一种方法更像是作弊，因为我们并不是在“跟踪”它，而是在不同的时间点“检测”它。改进的方法是“动态检测”。

考虑同样的场景，你想在路上跟踪一辆汽车，首先检查它在某个时间t的位置，然后尝试估计它在其他时间的位置，比如在t+5的时候，之后，我们再试着估计汽车的轨迹。使用我们的估计和t+5时汽车的实际图像，再结合不同的算法来跟踪它，直到我们处理的像素接近我们估计的目标区域，这就是稀疏跟踪方法。与其他方法相比，它更快(处理更少的像素)。

使用动态检测后，我们将估计值和常识应用到跟踪中，得到了一个更平滑的关于物体移动的曲线。

然而，当我们只将跟踪作为“一系列检测”时，往往会得到这种轨迹。至于对象在不同时间点的位置，可以将这些点结合起来了解其轨迹。