前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默：
https://www.cbedai.net/linuxcore
1）目标分割，任务是把目标对应的部分分割出来。
2）目标检测，检测到图片当中的目标的具体位置
3) 目标识别，即是在所有的给定数据中，分类出哪一些sample是目标，哪一些不是。这个仅仅做一下分类任务。
4）目标追踪，这个任务很重要的第一点是目标定位（Target Locating）。而且这个任务设计到的数据一般具有时间序列（Temporal Data）。常见的情况是首先Target被Identify以后，算法或者系统需要在接下来时序的数据中，快速并高效地对给定目标进行再定位。任务需要区别类似目标，需要避免不要的重复计算，充分利用好时序相关性（Temporal Correlation），并且需要对一些简单的变化Robust，必须旋转，遮盖，缩小放大，Motion Blur之类的线性或者非线性变化。
目标跟踪：追踪目标运动轨迹。这个仅仅应用在视频当中。
粗略理解：
-
目标分割：像素级的对前景与背景进行分类，将背景剔除；
-
目标检测：定位目标，确定目标位置及大小；
-
目标识别：定性目标，确定目标是什么；
-
目标跟踪：追踪目标运动轨迹。
典型的技术路线是：目标分割 ——>目标检测 ——>目标识别 ——>目标跟踪
举个栗子，如：需要对视频中的小明进行跟踪，处理过程将经历如下过程：
（1）首先，采集第一帧视频图像，因为人脸部的肤色偏黄，因此可以通过颜色特征将人脸与背景分割出来（目标分割）；
（2）分割出来后的图像有可能不仅仅包含人脸，可能还有部分环境中颜色也偏黄的物体，此时可以通过一定的形状特征将图像中所有的人脸准确找出来，确定其位置及范围（目标检测）；
（3）接下来需将图像中的所有人脸与小明的人脸特征进行对比，找到匹配度最好的，从而确定哪个是小明（目标识别）；
（4）之后的每一帧就不需要像第一帧那样在全图中对小明进行检测，而是可以根据小明的运动轨迹建立运动模型，通过模型对下一帧小明的位置进行预测，从而提升跟踪的效率（目标跟踪）
OT与OD到底啥区别
最大的区别我觉得OT只给了第一帧的GT
目标跟踪不需要目标识别，可以根据运动特征来进行跟踪，而无需确切知道跟踪的是什么，所以如果利用视频画面之间（帧之间）的临时关系，单纯的目标跟踪可以很高效的实现。
基于OD的目标跟踪算法计算非常昂贵，需要对每帧画面进行检测，才能得到目标的运动轨迹。而且，只能追踪已知的目标，因为目标检测算法就只能实现已知类别的定位识别。
因此，OD要求定位+分类。而目标跟踪，分类只是一个可选项，根据具体问题而定，我们可以完全不在乎跟踪的目标是什么，只在乎它的运动特征。实际中，目标检测可以通过目标跟踪来加速，然后再间隔一些帧进行分类（好几帧进行一次分类）。在一个慢点的线程上寻找目标并锁定，然后在快的线程上进行目标跟踪，运行更快。
