1.KCF:跟蹤器KCF利用目標周圍的循環矩陣采集正負樣本，利用嶺回歸訓練目標檢測器，成功地將矩陣的運算轉化為向量的Hadamad積，即元素的點乘，大大減少了運算量，提高了運算速度，使算法滿足實時性要求。
2.2.MIL:TrackerMIL在線訓練分類器，將物體從背景中分離出來；多示例學習避免了魯棒跟蹤的漂移問題
3 3.OLB:TrackerBoosting基於AdaBoost算法的在線實時目標跟蹤。分類器在更新步驟中使用周圍的背景作為反例，以避免漂移問題。
4.MediaFlow:追蹤器MediaFlow追蹤器適用於非常平滑和可預測的運動，在整個序列中可以看到物體。
5.5.TLD:TrackerTLD將長期跟蹤任務分解為跟蹤、學習和檢測。跟蹤器在幀之間跟蹤對象。檢測器定位所有觀察到的現象，並在必要時校正跟蹤器。跟蹤器學習估計檢測器的誤差，並更新它們以避免這些誤差的重復出現。跟蹤器可以處理快速運動、部分遮擋和丟失的對象。