首先，dlib的安装在这里就不多赘述了，Dlib是一个现代c++工具包，包含机器学习算法和工具，用于用c++创建复杂的软件来解决现实世界中的问题。它被广泛应用于工业和学术界，包括机器人、嵌入式设备、移动电话和大型高性能计算环境。官网链接http://dlib.net/

dlib实现目标跟踪是基于DSST算法的，简单的说就是尺度滤波器和空间滤波器相结合的一个算法。

以下是为OTB50写的调用例子，修改name和path就可以实现

import os
import cv2
import numpy as np
import dlib

def num_read_directory(directory_name):
    filename1=os.listdir(directory_name)
    return len(filename1)
def read_directory(directory_name,num):
    filename1=os.listdir(directory_name)
    img = cv2.imread(directory_name + "/" + filename1[num],cv2.IMREAD_COLOR)
    return img
if __name__ == '__main__':
    name="Biker"
    path1="H:/tracking/OTB50/"+name+"/img/"
    path2="H:/tracking/OTB50/"+name+"/groundtruth_rect.txt"
    num_image=num_read_directory(path1)
    print(num_image)
    img=read_directory(path1,0)
    print(img.shape)
    fourcc = cv2.VideoWriter_fourcc(*'XVID')
    out = cv2.VideoWriter("H:/tracking/OTB50/"+name+"/DSST_out.avi",fourcc, 24, (img.shape[1],img.shape[0]))
    f = open(path2)
    frames=np.zeros([num_image,4])
    j=0
    for i in f:
        frames[j,:]=i.split(',')
        j+=1
        print(i)
    f.close()
    tracker1 = dlib.correlation_tracker()

    img = read_directory(path1,0)
    img_first=img.copy()
    cv2.rectangle(img_first,(int(frames[0,0]),int(frames[0,1])),(int(frames[0,0]+frames[0,2]),int(frames[0,1]+frames[0,3])),(0,0,255),1)
    tracker1.start_track(img,dlib.rectangle(int(frames[0,0]),int(frames[0,1]),int(frames[0,0]+frames[0,2]),int(frames[0,1]+frames[0,3])))
    """
    cv2.namedWindow('bak',cv2.WINDOW_AUTOSIZE)
    cv2.imshow('bak',img_first)
    k=cv2.waitKey(0)
    """
    cv2.namedWindow('image',cv2.WINDOW_AUTOSIZE)
    cv2.imshow('image', img_first)
    for i in range(num_image-1):
        image=read_directory(path1,i+1)
        tracker1.update(image)
        box1_predict = tracker1.get_position()
        cv2.rectangle(image, (int(box1_predict.left()), int(box1_predict.top())),
                      (int(box1_predict.right()), int(box1_predict.bottom())), (0, 255, 255), 3)
        cv2.imshow('image', image)
        out.write(image)
        c = cv2.waitKey(10) & 0xff
        if c == 27: break
    cv2.destroyAllWindows()

实现效果并不佳，一般适用于变化较小的环境。以下是结果的展示：

前期能追上，后边跟踪失效，一旦跟踪失效就再也找不到目标，这也是这一类跟踪器的弊端之一