跟踪技术（tracking technique）是计算机视觉中通过视频帧间目标标签匹配估计物体运动轨迹的技术，主要应用于军事侦察、精确制导、火力打击、战场评估以及安防监控等领域。其核心目标在于生成目标的连续运动轨迹，需解决目标外观变化、遮挡干扰及复杂背景识别等技术难点。该技术涵盖点目标跟踪与区域特征跟踪两种类型，常用方法包括帧差法、Mean-Shift聚集及粒子滤波算法 。
目标跟踪通过目标初始定位、模板更新和状态预测实现连续追踪，统计学方法中联合概率数据关联（JPDAF）与多假设跟踪（MHT）被用于复杂场景下的数据关联 。基于深度学习的跟踪算法通过训练神经网络提升精度，主流模型包括SiamFC孪生网络和SiamRPN检测模块 。应用方向已扩展至无人机侦察、零售行为分析和交通轨迹预测领域 。
该技术起源可追溯至1981年LK光流法，2000年后逐步发展出Mean Shift、MOSSE等经典算法。2015年起深度学习推动跟踪技术革新，KL-tracing方法通过概率分布差异实现亚像素级精度 。当前研究聚焦深度特征提取、上下文信息融合及半监督学习应用 。
想要了解更多“跟踪技术”的信息，请点击：跟踪技术百科
