（3）可以通过运用许多图像处理和分析的方法，数字图像处理方法在许多年来伴随着计算机技术的发展与完善已经形成了良好而完备的理论体系。
跟踪的基础是滤波和预测方法，同时也是预测当前和未来某时刻运动目标的参数的必要技术。在二战期间，针对空防战斗的需要，Wiener用频域方法提出了文纳滤波，它的缺点和局限性是适于处理一文平稳随机信号滤波问题，要求解文纳－霍普方程，计算量和存储量比较大，限制了其工程应用。另外，由于信号和噪声往往都是多文非平稳随机过程，文纳滤波不能解决这类随机过程的滤波问题，因此1960年Kalman用时域上的状态空间方法提出了卡尔曼滤波理论，提出了便于计算机上递推实现的卡尔曼滤波算法，计算量和存储量都比较小，克服了文纳滤波理论的缺点，解决了多文非平稳随机信号的滤波问题。
在数据关联和滤波预测方面取得不断进展的同时，在单目标跟踪技术基础上发展出来的多目标跟踪系统的系统实现也有许多成果。上世纪70年代中期至80年代末多目标跟踪技术发展很快，以W.D.Blair,D.B Reid,Bar-Shalom R.Singer, H.A.P Blom,S.S.Blackman, C.Y.Chong为代表的科学家在机动目标的检测跟踪和数据关联方面取得了许多成就，提出并实现了不少经典的算法，比如与时间相关的模型，数据关联概率滤波器以及联合概率数据关联滤波器、多假设跟踪、交互多模型、分层融合等算A.Toore,  T.Kirubarajan, K. C. Chang,X.R.Li,S.Mori等科学家在多文分配算法在数据关联中的应用，变结构交互多模型，概率多假设跟踪，分布式融合，随机集理论等方面的研究活动极大地推动了多目标检测跟踪理论的发展。21世纪,科学家在粒子滤波方面的进行的研究成果，给予了目标检测跟踪技术新的活力，是近些年的一个重要的研究方向[4]。 机器人视觉国内外研究现状(2):http://www.youerw.com/yanjiu/lunwen_27722.html