概述
opencv内部实现了一些单目标跟踪算法，可以很方便的使用。
这里说的目标跟踪不是多目标跟踪，往往是需要人工或程序给定初始目标位置。
资源及跟踪算法介绍
目前看到的比较好的opencv目标跟踪算法资源在这里：https://www.learnopencv.com/object-tracking-using-opencv-cpp-python/
这个页面介绍了几个常用的跟踪算法：
- BOOSTING Tracker：基于在线Adaboosting的跟踪算法,这个算法也经常被使用 HAAR级联的人脸检测算法使用。算法比较老，效果一般，一般不推荐使用
- MIL Tracker：原理与上面的很类似，区别在于除了当前位置，还把周围部分区域作为positive example。导致跟踪的目标经常不在正中间。这个算法在部分遮挡下也有不错的表现，在没有KCF之前可以作为首选。缺点也有，不能从完全遮挡中恢复
- KCF Tracker：全称是Kernelized Correlation Filters，利用了上面两个跟踪算法的一些原理。这个跟踪器利用了这个事实：在MIL跟踪器中使用的多个正样本有很大的重叠区域。这些重叠的数据可以被这个跟踪器有效利用，使跟踪更快、更准确。综合来说，速度和精度都比上面两个好，但是完全遮挡后不可恢复。
- TLD Tracker：TLD表示Tracking, learning and detection.就像名字里说的，这个算法把长期跟踪问题分解为（短期的）三个子任务：tracking, learning, detection。这个跟踪器的输出会跳来跳去，好处就是可以在物体大小变化、移动和遮挡的情况下有不错的表现，所以比较适合有遮挡的物体跟踪。
- MEDIANFLOW Tracker:这个跟踪器在时间的前向和后向上做跟踪。当物体于运动方向有规则和没有遮挡时，它的效果是最好的。
- GOTURN tracker：这是一个机遇卷积的深度模型，利用预训练好的caffe模型。可以下载opencv预训练的模型，地址在：https://github.com/opencv/opencv_extra/tree/c4219d5eb3105ed8e634278fad312a1a8d2c182d/testdata/tracking。但是有个bug，这里的解决方法是：
In goturn.prototxt,
replace all "data1" to ".data1" & "data2" to ".data2"亲测有效，不过速度很慢，cpu上也就10fps.GOTURN对于外形、视角、光线的变化适应性较强，对于遮挡处理的不好。
对于人脸的跟踪效果
测试对象为画面中比较近的单个人脸，运动慢，有转动，无遮挡和明显光线变化。
重点考察KCF、MEDIANFLOW和GOTURN。
速度：MEDIANFLOW > KCF > GOTURN
精度：MEDIANFLOW > KCF > GOTURN
其实，在近场人脸场景下,MIL和KCF效果差不多，只是慢一点,跟踪稳定性上还有点优势。
最后选择了MEDIANFLOW作为人脸跟踪算法。
源码
源码在这里，我就不贴了，确实可以跑的：
https://www.learnopencv.com/object-tracking-using-opencv-cpp-python/