单目标跟踪（Single Object Tracking, SOT）是计算机视觉领域的核心任务之一.然而,在复杂场景中,传统的相关滤波和孪生网络架构已难以满足更高的精度与鲁棒性要求.近年来,Transformer架构凭借其卓越的全局建模能力,在SOT中表现出显著优势.因此,文中系统梳理基于Transformer的SOT研究进展.依据整体结构的设计,将现有算法分为双流双阶段跟踪算法与单流单阶段跟踪算法,并深入归纳分析其中具有代表性的跟踪算法,同时总结轻量化Transformer跟踪方法的研究现状.此外,进一步探讨基于Mamba的跟踪方法和通用模型等前沿热点,它们在模型效率与通用性方面展现出良好潜力.在多个主流数据集上对不同Transformer跟踪算法的性能进行全面评估和对比分析.最后,展望SOT在模型轻量化、多模态融合、长时跟踪、大模型驱动跟踪等方面的研究趋势,期望为单目标跟踪的研究与发展提供参考.