追蹤演算法（Tracking Algorithm）在多種應用場景中發揮關鍵作用，尤其是在ADAS產品中，此技術用於追蹤同一物體，進而預測其他車輛及行人的移動方向。

在各類應用如監控系統、自動駕駛等領域，追蹤演算法扮演著不可或缺的角色，但同時也面臨諸多挑戰，包括：

遮擋問題：當目標物被其他物體遮擋，追蹤會變得困難。這要求演算法能預測目標物的位置或從多個視角進行分析，以有效處理遮擋。

環境變化：光線變化和天氣條件等外部因素可能影響追蹤效果。因此，演算法需具備適應這些變化的能力，以維持穩定的追蹤性能。

目標變形：追蹤對象可能會變化其形狀或姿態，需要演算法在不同的形態下依然能識別並追蹤目標。

多目標追蹤：演算法需能夠同時追蹤多個物件和多個類別，且確保這些物件之間不發生混淆。

為了克服這些挑戰，我們提出了一套新的追蹤演算法，具有以下優勢：

物件追蹤：在自動駕駛領域，此演算法能自動識別並追蹤車輛或行人，進一步提升行駛的安全性。

追蹤穩定性：有效解決物件框閃爍的問題，實現對物件的持續且穩定追蹤。

多物件追蹤：能夠針對不同類別，如行人、汽車或摩托車，進行專屬的追蹤任務。

成果