1樓：張瀚鐸
說多目標跟蹤比單目標跟蹤複雜的我覺得你可能在逗我，如果把單目標跟蹤簡單定義為多目標跟蹤的子集，當然要簡單多了。但是學術上一般認為這是兩個不太一樣的問題，兩者的資料集完全不一樣。
單目標跟蹤問題相當於純粹的visual tracking，他們的文章裡面基本也不說自己是single object tracking，就是tracking，屬於計算機視覺最熱門的領域之一。跟機器學習連線非常緊密，相當於是在第一幀給你乙個bounding box然後你要非常準確和魯棒地進行跟蹤，所以基本上是要將區域性資訊進行分類和回歸的，常用的有svm,adaboost,隨機森林以及深度學習。很多有名的演算法比如TLD, mosse filter tracker 和KCF等等都是這個方面的經典之作。
MOT相當於集中研究data association，把object detection作為先驗資訊，所以難點在於這麼多的物體，互相遮擋和形變，怎麼樣保持consistency。關於現狀的話要自己上網讀綜述和最新的文章
2樓：海盜有電台
如果做理論研究的話，目前最有搞頭的是利用隨機集理論的多目標跟蹤技術。
其利用隨機集理論結合貝葉斯理論匯出多目標跟蹤的模型。然後通過一階矩近似將rfs(隨機集）的計算近似為PHD濾波和進化型cphd(對目標數的估計更精確）兩種可實現的演算法。
目前基於phd和cphd的進化型演算法是研究重點。
3樓：
影象方面基於深度學習之類的了解不多，從數學層面來說，以雷達為場景，概率密度互聯，多假設關聯，隨機集，是三種最為經典的演算法。核心是解決資料關聯問題。資料關聯，還是有很大的研究價值的。
有一篇文章講多目標和單目標的區別比較深刻。random finite set, extended object tracking ，發表在14年的IEEE ROBITIC magnize
4樓：Joe Wang
多目標跟蹤比單目標跟蹤複雜。單目標跟蹤可以簡單理解為對乙個目標連續資料的濾波，多目標跟蹤需要在單目標跟蹤的基礎上進行資料關聯，這是多目標跟蹤的關聯，資料關聯的好壞基本決定了多目標跟蹤的優劣。
目前聚合支付的發展現狀如何？
聚合支付的發展現狀 聚合支付普及。在城市的大街小巷，你都可以看到聚合支付的影子，而在比較偏遠的農村，聚合支付也隨處可見。聚合支付市場競爭激烈。隨著聚合支付的發展，在市場上形成了一片繁榮的景象，很多商人 企業 機構看到其中的利潤空間，開始紛紛進軍聚合支付市場，各自布局聚合支付市場，為了搶占市場，出現了...
當前採茶機械發展現狀如何？主要存在的問題是什麼？主要研究方向有哪些？
本人非農機專業，承蒙 田野 召喚不出來 抬舉，來這邊說些什麼 就我們學校茶學專業老師所言，採茶機是很早就在中國出現的，極大提高採茶效率的機械。樣子長這樣 使用時為 大一點的雙人採茶機為 基本就是大了一號。還有採茶車 這個適合平地大面積的茶園。在上圖各式各樣的採茶機械中，稍微明白點應該都能看出其基本原...
國產手機的發展現狀如何？是否具備了媲美蘋果的實力？
昌平劉德華 個人意見 有所突破，但並非超越，最多能夠做到平手。其實就是ios和安卓系統的差別。安卓系統 中國產廠商大部分都基於安卓系統，結合自身手機產品做了優化，也創新了很多功能，目前可以說各大中國產廠商的安卓系統都已經比較完備。令人印象比較深刻的有 錘子系統 可惜現在 MIUI 小公尺作為先行者，...