目标检测和跟踪的区别在于对于运动中变化目标的跟踪能力。设想这样一个场景：孙悟空在飞行过程中完成了一次变化（这里假设他变成了一只鸟），但这个变化并不是像西游记拍摄中有烟雾特效完成的，而就是通过身体结构发生渐变来完成的，这种情况下，检测器应该会在后续的检测任务中失败，因为设计好的检测器只是为了检测目标孙悟空的存在，孙悟空变身之后已经不存在这个目标，检测器是不会有火眼金睛继续检测到变化后的孙悟空的。

但是，对于跟踪器就不一样了，跟踪目标，哪怕目标在跟踪过程中发生了巨大变化，这些都是跟踪器的本质能力。理想的跟踪器应该可以很好的跟上孙悟空渐变的整个过程，并且可以继续后面变身之后对鸟的跟踪。

现在所谓的目标跟踪方法都是基于检测的（
tracking by detection
）
在很多人们设计的跟踪器的跟踪过程中，当目标出现遮挡或者运动出视野等情况时，直接使用检测器来对目标的位置进行重新检测。
试想，如果目标在很长一段时间内一直出现被遮挡的状况，那么这一段时间内将会一直都是检测器在工作。
理想的跟踪器应该不需要每一帧都暴力检测目标所在的位置，而是可以充分利用帧间信息，目标周围的环境信息，甚至根据周边环境推测得到的三维信息等，更加高效的确定目标所在的位置。
理想的跟踪器应该可以对视频中的目标运动，周边环境有着更好的理解，这个理解不一定是和我们理解一致的语义理解，而是有助于跟踪任务的相关理解。

目标检测和跟踪的区别还应在于对于相同目标不同实例的跟踪能力。设想一个目标检测器，其被设计用来检测行人，如果将其应用到马路场景上，检测器将会检测到马路上的大量行人，但如何让他只检测一个人呢？这好像是不可能的，因为其任务已经被设计为检测行人，其检测结果并不违背其设计初衷，而结果却并不是人们想要的。但这时跟踪器就完全不一样了，跟踪器可以初始化为跟踪行人，但在给跟踪器指定初始跟踪行人后，它将可以在后续的过程中只跟踪指定的行人，做到“弱水三千，而我只取一瓢饮”。

比如在球场上我只想关注某一个球员、某几个球员的表现或是篮球的位置。

目标跟踪更多考虑的是对目标的表达，跟踪过程中对目标表示的更新，跟踪中对周围环境变化信息、对时空信息的利用等等。正因如此，跟踪任务才即可被看作是生成式任务，也可以被看作为判别式任务，既可以通过深度学习的方法来暴力解决，也可以通过传统统计学、机器学习的方法来解决优化。但无论哪种解决方案，现在都没有在跟踪任务上取得突破性的成功。但这也恰恰使得跟踪这一视觉任务成为测试众多技术的理想平台。

目标检测偏向于单帧下的物体定位识别，目标跟踪多帧之间的物体会有关联，重在跟踪和重识别，现在的跟踪算法有很大一部分是基于检测和滤波，目标检测会应用到目标跟踪中。

假设视频中有两辆车，实时目标检测可以检测到有两辆车，而目标跟踪需要区分出这辆车是这辆车，另一辆车是另一辆车（re-ID的目的也是完成类似的工作）。

简单来说:跟踪会比检测复杂一些.
检测:目的是找到(或者静态或者动态);
跟踪:目的是定位(动态)
二者的联系是:
(1) 跟踪是基于检测的,必须先定位目标,才能后续跟踪.
(2) 如果将动态的检测(例如视频序列检测)分割成一定时间段内的静态检测(每一帧),那么用检测是可以实现类似跟踪的效果(伪跟踪,因为其实还是每一帧做检测).

1.目标检测就是检测出一个图片或者一个视频中目标的位置（静态或者动态）如yolo检测目标

2.目标追踪是给视频中第一帧目标以及它的位置，然后跟踪这个目标，以及预测它的轨迹，（如果出现一些遮挡，也可以根据轨迹来跟踪这个目标，假如是yolo检测出的目标，有时候还会出现丢帧的情况，如果用了跟踪算法，那么即使丢帧了，也可以跟住目标而不丢失，而且如果使用yolo，虽然给定了目标的位置，但是如果同一类的目标的话，你知道很多的目标的坐标，但是很难求出它们的轨迹。

检测一般用到单帧的信息，主要是依据先验知识、或者显著等特性找到某些感兴趣的区域；
而跟踪是已有目标的位置，在后续帧中找到最佳匹配位置，更侧重目标的匹配上；
其实现在很多的跟踪算法是基于检测的，使得他们间联系更密切。

此外，当前目标跟踪领域也存在一些问题亟待解决：

部分表述及图示来源于知乎专栏–

文中部分观点及说法有混淆和不清晰之处，欢迎指正~

https://zhuanlan.zhihu.com/p/32826719

https://zhuanlan.zhihu.com/p/104228012?utm_source=wechat_session