目标跟踪一直以来都是计算机视觉领域的关键问题, 最近随着人工智能技术的飞速发展, 运动目标跟踪问题得到了越来越多的关注. 本文对主流目标跟踪算法进行了综述, 首先, 介绍了目标跟踪中常见的问题, 并由时间顺序对目标跟踪算法进行了分类: 早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法. 接下来, 对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较. 最后, 使用 OTB-2013 数据集对目标跟踪算法进行测试, 并对结果进行分析, 得出了以下结论: 1) 相比于光流法、 Kalman、 Meanshift 等传统算法, 相关滤波类算法跟踪速度更快, 深度学习类方法精度高. 2) 具有多特征融合以及深度特征的追踪器在跟踪精度方面的效果更好. 3) 使用强大的分类器是实现良好跟踪的基础. 4) 尺度的自适应以及模型的更新机制也影响着跟踪的精度.