2013年Visual Tracker Benchmark对多种算法进行了一些评测，本文主要是在它的基础上进行了一些总结。

说明
1. 下面的分析基于单个物体跟踪
2. 被跟踪物体的大小对性能的影响没有考虑进来

Mean Shift

  1. 基于meanshift的一个中文blog
YearNameModelModel UpdateSearch Mode Adaptive SizecodeFPSSizeProsCons
1998Camshift[6]-No- NoC++～300- 1.速度快
2.原理复杂度低		 1.结果依赖于直方图反射的结果,效果较差。如在人脸跟踪中，其会跟踪到所有肤色
2.对噪声比较敏感
2003KMS[5]-No- NoC++～3000- 1.速度快
2.原理复杂度低

Tracking by detection

YearNameModelModel UpdateSearch Mode Adaptive SizecodeFPSSizeProsCons
2015KCF[1] -Yes- NoMatlab200+- 1.基于CSK改善了被遮挡时跟踪失败的问题
2.效果与StrucK和TLD可比较		 1.目标消失以后，无法找回来
2012CSK[2] -Yes- NoMatlab250+- 1.速度快
2.原理复杂度低
3.抗噪声		 1.被遮挡时，容易导致跟踪失败
2.目标消失以后，无法找回来
2011Struck[3]-Yes- NoC++20.2- - 1.速度慢
2.原理复杂度高
2010TLD[4]-Yes- NoC++28.1- - 1.速度慢
2.原理复杂度高


References

  1. High-Speed Tracking with Kernelized Correlation Filters
  2. Exploiting the Circulant Structure of Tracking-by-detection with Kernels
  3. Struck: Structured Output Tracking with Kernels
  4. P-N Learning: Bootstrapping Binary Classifiers by Structural Constraints
  5. D. Comaniciu, V. Ramesh, and P. Meer. Kernel-Based Object Tracking
  6. Computer Vision Face Tracking For Use in a Perceptual User Interface