用的变形模板是有Kass等提出的主动轮廓模型，又称为Snake模型。它通过对目标轮廓建立参数化描述，将各种成像形变定义为能量函数，通过对能量函数的优化达到轮廓匹配的目的。采用卡尔曼滤波器控制模型的位置和大小，在其附近寻找局部最小能去的更好地跟踪效果。Snake模型非常适合单个可变形目标的跟踪，对于多目标的跟踪一般是采用基于水平集方法的主动轮廓模型。基于变形模板的跟踪算法采用局部变形模板可以很好地跟踪局部变形的目标，再有部分遮挡存在的情况下也能连续地进行跟踪，但是着这种方法缺乏预测机制而无法跟踪快速运动的目标。此外，它易受到噪声的干扰且目标外轮廓的初始化也比较困难。 　　基于模型的跟踪 　　上述三种方法都是基于二维平面上的跟踪，由于没有用到运动目标的完整信息，无法对其进行精确地描述。如果能将目标的三维模型构建出来，利用三维模型先验信息来跟踪目标，跟踪的鲁棒性将会大大提高。基于模型的跟踪方法的基本思想是由先验知识获得目标的三维结构模型和运动模型，根据序列图像确定出目标的三维模型参数，进而得到其瞬时运动参数。1982年Gennery最早提出了基于三维模型的跟踪方法。VISATRAM系统简化了三维模型估计，用长方体模型来跟踪车辆，获得运动车辆的速度和尺寸。对人体进行跟踪通常有三种形式的模型，即线图模型。二维模型和三维模型，在实际应用中更多的是采用三维模型。Hu等人对基于模型的跟踪算法进行了综述。这类方法可以精确分析目标的三维运动轨迹，即使在运动目标姿态变化、发生部分遮挡的情况下，也能够可靠地跟踪。其缺点在于，运动分析的精度取决于几何模型的精度，建立目标三维模型需要大量参数，模型匹配的过程也较为复杂，并且跟踪算法往往需要大量的运算时间。因此，基于模型的跟踪适合少量的、特定类型的目标跟踪，如人体跟踪、脸部跟踪或某种车型的跟踪等。

存在的问题

　　实际环境中光照变化、目标运动复杂性、遮挡、目标与背景颜色相似、杂乱背景等都会增加目标检测与跟踪算法设计的难度，其难点问题主要在以下几个方面： 　　背景的复杂性：光照变化引起目标颜色与背景颜色的变化，可能造成虚假检测与错误跟踪。采用不同的色彩空间可以减轻光照变化对算法的影响，但无法完全消除其影响；场景中前景目标与背景的相互转换，与行李的放下、拿起，车辆的启动与停止；目标语背景颜色相似时会影响目标检测与跟踪的效果；目标阴影与背景颜色存在差别通常被检测为前景，这给运动目标的分割与特征提取带来困难。 　　目标特征的取舍：序列图像中包含大量可用于目标跟踪的特征信息，如目标的运动、颜色、边缘以及纹理等。但目标的特征信息一般是时变的，选取合适的特征信息保证跟踪的有效性比较困难。 　　遮挡问题：遮挡是目标跟踪中必须解决的难点问题。运动目标被部分或完全遮挡，又或是多个目标相互遮挡时，目标部分不可见回造成目标信息缺失，影响跟踪的稳定性。为了减少遮挡带来的歧义性问题，必须正确处理遮挡时特征与目标间的对应关系。大多数系统一般是通过统计方法预测目标的位置、尺度等，都不能很好地处理较严重的遮挡问题。 　　兼顾实时性与鲁棒性：序列图像包含大量信息，要保证目标跟踪的实时性要求，必须选择计算量小的算法。鲁棒性是目标跟踪的另一个重要性能，提高算法的鲁棒性就是要使算法对复杂背景、光照变化和遮挡等情况有较强的适应性，而这又要以复杂的运算为代价。