這八種工具包括：
boosti
ng tracker：和haar cascades（adaboost）背後所用的機器學習演算法相同，但是距其誕生已有十多年了。這一追蹤器速度較慢，並且表現不好，但是作為元老還是有必要提及的。（最低支援opencv 3.0.0）
kcf tracker：比boosting和mil都快，但是在有遮擋的情況下表現不佳。（最低支援opencv 3.1.0）
csrt tracker：比kcf稍精確，但速度不如後者。（最低支援opencv 3.4.2）
medianflow tracker：在報錯方面表現得很好，但是對於快速跳動或快速移動的物體，模型會失效。（最低支援opencv 3.0.0）
mosse tracker：速度真心快，但是不如csrt和kcf的準確率那麼高，如果追求速度選它準沒錯。（最低支援opencv 3.4.1）
goturn tracker：這是opencv中唯一一深度學習
為基礎的目標檢測器。它需要額外的模型才能執行，本文不詳細講解。（最低支援opencv 3.2.0）
我個人的建議：
如果追求高準確度，又能忍受慢一些的速度，那麼就用csrt
如果對準確度的要求不苛刻，想追求速度，那麼就選kcf
純粹想節省時間就用mosse
從opencv 3開始，目標檢測器得到了快速發展，下表總結了不同版本的opencv中可食用的追蹤器：
摘取自：
用 OpenCV 實現八種不同的目標跟蹤演算法
1 boosting tracker 和haar cascades adaboost 背後所用的機器學習演算法相同，但是距其誕生已有十多年了。這一追蹤器速度較慢，並且表現不好，但是作為元老還是有必要提及的。最低支援opencv 3.0.0 2 mil tracker 比上乙個追蹤器更精確，但是失敗率...
用OpenCV實現目標追蹤的八種方法
目標跟蹤作為機器學習的乙個重要分支，加之其在日常生活 軍事行動中的廣泛應用，很多國內外學者都對此頗有研究。本文將討論opencv上八種不同的目標追蹤演算法。所以，我們想應用一種一次性的目標檢測方法，然後在之後的幀上都能進行目標追蹤，使這一任務更加快速 更高效。這裡的問題是 opencv能幫我們達到這...
八皇后12種本質不同的解
在八皇后的92種解中有大量的解是本質重複的 可以通過左右對稱，上下對稱，對角線對稱，旋轉來互相轉化 只有十二種解是本質不同的。include int w 1 intcheck int m void put void intcheck3 void intcheck2 void void firstdi...