（4）基于检测的算法
近年来，基于检测的跟踪算法比较流行。其核心思想是利用已有的样本数据训练检测器，在当前帧通过目标检测，把置信度最大的图像片作为目标位置。这种将跟踪问题当成区分目标和背景的检测问题来处理。这种方法可以利用一些有效的分类器算法进行目标跟踪，如SVM，随机森林，神经网络等。基于检测的算法可以分为离线和在线两种。离线的检测器通常是用事先训练好的样本或者初始的样本进行初始化，当初始化后就不再变化。当目标由于形变或部分遮挡等问题发生明显的外观变化时，离线学习方法对目标的跟踪效果并不理想，往往会跟丢目标。在线学习方法在基于检测的方法中占大多数，它利用当前帧中的数据对检测器进行更新。因此，在线学习方法对目标外观的变化具有一定的自适应能力。但是，当前帧中的目标信息只是预测结果，并不一定可靠。经过一段时间后，累积的误差可能会导致跟踪器发生漂移直至目标丢失。
以上内容主要介绍了基于特征、基于核跟踪、贝叶斯跟踪以及基于检测的目标跟踪算法。
在实际应用中，应该根据具体情况，选取适合的特征及跟踪算法来实现对目标的跟踪。 国内外目标跟踪研究现状(2):http://www.youerw.com/yanjiu/lunwen_19635.html