如何做观测模型的匹配？

前述中提到的最“像”或匹配问题在本质上是一个相似度度量 (similarity measurement) 问题。在解决相似度问题的时候，我们需要一个衡量机制，来计算两个相比较的个体的相似度。在跟踪问题中，被比较的个体通常是候选框和前一帧的预测结果（或者是ground truth），而衡量机制可以被抽象成距离 (distance)。

这里的距离不仅仅是空间距离，即框与框之间在图像中相隔多少个像素，还包括两个概率分布的距离。由于空间距离相对好理解，我们在这里仅对概率分布距离稍作解释：每一帧的跟踪结果是一个预测值，即每一个候选框是目标的概率。如果综合所有候选框，就可以构成一个概率分布。从概率分布的角度理解匹配问题，跟踪问题就转换成在当前帧寻找和上一帧的候选框概率分布“最接近”的一组候选框分布，该“最接近”即是概率分布距离。

常用的空间距离有Minkowski distance（Manhattan distance和Euclidean distance是其特殊情况），常用的概率分布距离有Kullback–Leibler (KL) 散度、Bhattacharyya distance、交叉熵、以及Wasserstein distance等。