视频跟踪：基于对比度分析的目标跟踪、基于匹配的目标跟踪和基于运动检测的目标跟踪
基于对比度分析的目标跟踪：主要利用目标和背景的对比度差异实现目标的检测与跟踪。这类算法按照跟踪参考点的不同可以分为边缘跟踪# 形心跟踪和质心
跟踪等。这类算法不适合复杂背景中的目标跟踪"但在空中背景下的目标跟踪中非常有效。
基于匹配的目标跟踪：主要通过前后帧之间的特征匹配实现目标的定位。
特征匹配：特征是目标可区别与其他事物的属性， 具有可区分性、可靠性、独立性和稀疏性。基于匹配的目标跟踪算法需要提取目标的特征，并在每一帧中寻找该特征。
寻找的过程就是特征匹配的过程。目标跟踪中用到的特征主要有几何形状、子空间特征、外形轮廓和特征点等， 其中特征点是匹配算法中常用的特征。目标特征的变
化具有随机性。这种随机变化可以采用统计数学的方法来描述。直方图是图像处理中天然的统计量。因此彩色和边缘方向直方图在跟踪算法中被广泛采用。
贝叶斯跟踪：目标的运动往往是随机的，这样的运动过程可以采用随机过程来描述。随机过程的处理在信号分析领域较成熟，其理论和技术（如贝叶斯滤波）可以借鉴到目标跟踪中。
核方法：核方法的基本思想是对相似度概率密度函数或者后验概率密度函数采用直接的连续估计，这样处理一方面可以简化采样， 另一方面可以采用估计的函数梯度有效定位采样粒子。
采用连续概率密度函数可以减少高维状态空间引起的计算量问题， 还可以保证例子接近分布模式，避免粒子退化问题，核方法一般都采用彩色直方图作为匹配特征。
基于运动检测的目标跟踪：主要根据目标运动和背景运动之间的差异实现目标的检测和跟踪。基于运动检测的目标跟踪算法通过检测序列图像中目标和背景的不同运动来发现目标存在的区域，
实现跟踪。这类算法不需要帧间的模式匹配，不需要在帧间传递目标的运动参数，只需要突出目标和非目标在时域或空域的区别即可。这类算法具有检测多个目标的能力，可用于多目标检
测和跟踪，这类运动目标检测方法主要有帧间图像差分法，背景估计法，能量积累法，运动场估计法等。
光流算法是基于运动检测的目标跟踪的代表性算法 ，光流是空间运动物体在成像面上的像素运动的瞬时速度，光流矢量是图像平面坐标点上的灰度瞬时变化率，光流的计算利用图像序列
中的像素灰度分布的时域变化和相关性来确定各自像素位置的运动。研究图像灰度在时间上的变化与景象中物体结构及其运动的关系，将二维速度场与灰度相联系。引入光流约束方程，
得到光流计算的基本算法。根据计算方法的不同，可以将光流算法分为基于梯度的方法，基于匹配的方法，基于能量的方法，基于相位的方法和基于神经动力学的方法。
前两类方法都是对单帧图像进行处理，基于匹配的跟踪方法需要在帧与帧之间传递目标信息，对比度跟踪不需要在帧与帧之间传递目标信息， 基于运动检测的跟踪需要对多帧图像进行处理。
另参考：http://www.cnblogs.com/zjb0823/p/3806333.html