针对视频目标追踪，以及图像模板匹配问题，国内外学界进行了大量研究，出现了不少理论及实验成果，同时发表了很多相关论文。

    文献[3]提出了一种基于多特征的均值偏移视频目标跟踪算法,较好的达到了运算速率方面的要求,文献[4]提出了一种基于特征光流的运动目标跟踪方法，能够实现对运动目标的实时跟踪，文献[5]提出了一种快速运动目标检测与跟踪算法。通常，解决上述问题的方法往往只能解决上述难点的部分，而不能兼顾所有问题。65021

  模板匹配和相关系数法有很多优点：简单准确，应用广泛，抗干扰性好，并且计算速度快，是目标跟踪的常用经典方法，。而缺点是不能适应目标剧烈形变和光照剧烈变化。

朱近，司美玲提出了一种多光谱图像的配准算法，其使用用局部灰度极值的方法。此算法通过在模板图像和待匹配图像中同步搜寻含有灰度最值的小区域，再用多项式对出现极值的区域进行曲面拟合，而后分别计算小区域的极值点作为特征点进行匹配，最后进行了真实、模拟多光谱图像实验。论文网

林相波,邱天爽论述提出了一种分割算法，在基于灰度的配准算法中融入特定的形状信息，构造出新的代价函数。在图像多目标匹配的情形下，所提出的算法能够较有效解决边缘模糊、间距较小、灰度相近的不同结构的分割问题，仿真结果表明，该算法优于一般的基于灰度的图像匹配算法。

另一方面，基于模板匹配的运动目标追踪算法往往因为模板图像，噪声干扰，光照差等等问题，出现匹配计算量大，匹配效率低等问题。文献[6]提出了一种新型的快速模板匹配算法，旨在于提升匹配的快速性；文献[7]提出了一种基于几何特征的改进模板匹配算法，能够较为有效地解决光照、匹配速度问题；文献[8]提出了一种视频目标轮廓跟踪的新算法；文献[9]提出了一种基于边缘几何特征和频域相关技术的图像匹配方法，提高了匹配精度与准确度；文献[10]提出了一种基于图像纹理模板匹配算法的改进。这些算法在于运用模板匹配算法时，改进算法的准确性，并能适应特殊场景。