在深度学习时代，我们已经能够以惊人的速度和准确度解决许多 计算机视觉问题。

然而，多目标跟踪仍然是一项具有挑战性的任务。目前只有少数方法能以合理的速度提供稳定的跟踪效果。

我们将讨论如何跟踪视频中的多个目标——为此我们将结合使用神经网络。

目标检测是目前最流行的计算机视觉算法之一。其目标是在图像中找到所有感兴趣的目标并输出它们的边界框（bounding box）。

多年来，行人检测几乎完全由深度学习算法解决。这是有原因的——尽管这个问题很难，但神经网络表现非常出色。它们显著提升了检测的领先水平，从而实现了许多现实应用——包括对行人检测零容忍的自动驾驶领域。

尽管该算法族已经非常先进，但我们不能说行人检测是一个已解决的问题。通常，检测器仍然会有误差——比如将非人目标误检为人，或者漏检行人。稍后我们将讨论这些误差对跟踪的影响有多大。剧透：影响很大。