多目标跟踪(Multiple Object Tracking)简称MOT，在每个视频帧都要定位目标，并且绘制出他们的轨迹。
它的输入是视频序列，输出为对于每一个目标的轨迹以及唯一识别ID，也就是说对于不同帧，我们不仅仅要识别出目标(带目标框)，而且需要对每一个目标标识一个ID来进行前后帧的关联。
多目标跟踪的技术有两个划分，一个是Model-free-tracking(MFT)，它需要做手工的初始化，需要在第一帧标记需要跟踪哪些行人，在后面的帧中做多目标跟踪，得到每一个人运行的轨迹。另一个是Tracking-by-deection(TBD),它不需要在第一帧中指定，在任何一帧中都是使用检测器来检测出视频帧中有几个行人，并且进行多目标跟踪来得到行人轨迹。这里我们主要使用的是第二种TBD技术。
