系列AI跟踪算法介绍

目标AI跟踪算法依然是孪生网络系列为主。

大体可以分为速度快的AI跟踪算法，如：siamrpn、siamfc、nanotrack、lighttrack、mixformerv2等，这些算法可以在嵌入式平台实现部署并完成实时跟踪效果。

但对跟踪性能要求高、鲁邦性强、抗干扰能力强，则有dimp、trdimp、stark、mixformerv1。但这些算法耗时较长，需进一步结合硬件优化才有可能进行边缘端部署。

微软亚洲研究院在github是分别出了轻量级的lighttrack跟踪算法和性能较优的stack跟踪算法。可见这2种算法的优势。

孪生网络跟踪算法大多都是离线参数，后面算法的趋势为在线更新。主要代表有dimp、stark、mixformer。

dimp通过50个历史模板队列的方式更新classifier滤波器。

stark和mixformer通过多输入的方式，增加在线模板的输入。

dimp和stark都采用resnet主干网络提取特征。

mixformerv2简化处理，直接tranformer结构一步到位。

stark在提取resnet主干特征后，使用Transformer结构进行编码和解码特征。这里也是讲初始模板、实时模板、搜索区域拼接混合在一起mix。从这个角度来看，mixformer就是继承了stark的混合。

以上这些算法均能c语言实现，已经全部实现。dimp和stark是2个经典学习算法，作为科学技术研究的可以重点关注。