目标跟踪软件的指标主要包括以下几类：

准确度：

衡量算法对目标位置的预测能力，常见的准确度指标包括单次评估精度（SRE）、重叠率（overlap rate, OP）、中心位置误差（center location error, CLE）和精确度（distance precision, DP）。

稳定性：

评估目标跟踪算法在不同场景下的稳定性，数值越大表示稳定性越差。

性能：

包括速度、实时性等，用于衡量目标跟踪系统的整体表现。

MOTA（Multiple Object Tracking Accuracy）：

多目标跟踪准确度，综合考虑了跟踪准确度和ID切换等因素。

IDF1（Identity Flipping Frequency）：

身份翻转频率，衡量跟踪算法在跟踪过程中身份识别的准确性。

MOTP（Multiple Object Tracking Precision）：

多目标跟踪精度，衡量跟踪结果的精确度。

HOTA（Hierarchical Online Tracking and Affinity Prediction）：

层次在线跟踪和亲和度预测，是一种较为先进的评估指标。

FP（False Positives）：

误报数，即错误地识别为目标的数量。

FN（False Negatives）：

漏报数，即错误地未识别为目标的数量。

TP（True Positives）：

真阳性数，即正确识别为目标的数量。

ID switch：

身份切换，衡量跟踪算法在跟踪过程中目标身份识别的一致性。

ML（Miss Rate）：

漏报率，即未识别为目标的比例。

MT（False Positives Rate）：

误报率，即错误地识别为目标的比例。

这些指标可以帮助投资者和开发者从多个维度评估目标跟踪算法的性能，从而选择最适合特定应用场景的算法。在实际应用中，可以根据具体需求和场景选择合适的指标进行优化和调整。