跟踪等价于在连续的图像帧间创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题，常用的数学工具有卡尔曼滤波^[38]、压缩（Condensation）算法^[39]及动态贝叶斯网络^[40]（Dynamic Bayesian Network）等。其中卡尔曼滤波是基于高斯分布的状态预测方法，不能有效地处理多峰模式（Multi-mode）的分布情况；压缩算法是以因子抽样为基础的条件密度传播方法，结合可学习的动态模型，可完成鲁棒的运动跟踪。

目前，就跟踪对象而言，有跟踪手、脸、头、腿等身体部分^[41-43]和跟踪整个人体的^[44，45]；就跟踪视角而言，有对应于单摄像机的单一视角^[46]、对应于多摄像机的多视角^[47]和全方位视角^[48]；当然还可以通过跟踪空间（二维或三维）、跟踪环境（室内或室外）、跟踪人数（单人、多人、人群）和摄像机状态（运动或固定）等方面来进行分类。跟踪方法主要有：①基于模型的跟踪（Model-based Tracking）；②基于区域的跟踪（Region-based Tracking）；③基于活动轮廓的跟踪（Active Contour-based Tracking）；④基于特征的跟踪（Feature-based Tracking）。(www.daowen.com)