如前面说到的，OpenCV VS提供了6组算法的接口，分别是：前景检测、新目标检测、目标跟踪、轨迹生成、跟踪后处理、轨迹分析，除了轨迹生成用于轨迹数据的保存以外，其他5个部分都是标准的视频监控算法体系中不可或缺的部分。
OpenCV在Blob_Tracking_Modules.doc文档中，提供了算法的关系图，如下。
图中唯独缺少了轨迹分析部分，可能是因为在该文档形成的时候轨迹分析部分还没有完成。重新整理后如下。
下面针对VS算法体系中的各个算法接口进行介绍，并给出算法的参考文献。
1 算法流程控制（CvBlobTrackerAuto）整个视频监控算法流程的设置和数据的传递在接口类CvBlobTrackerAuto的子类中完成，VS中提供了一个范本，就是CvBlobTrackerAuto1，该类是接口CvBlobTrackerAuto的子类，通过查看CvBlobTrackerAuto1::Process()，可以洞悉整个算法的标准流程。当然您也可以在遵循接口CvBlobTrackerAuto的基础上进行扩展。
用户调用接口：
CvBlobTrackerAuto* cvCreateBlobTrackerAuto1(CvBlobTrackerAutoParam1* param)；
2 前景检测（CvFGDetector）：
CvFGDetector是前景检测类的接口，前景检测一般是指提取固定场景中运动部分的像素，比较常用的一大类方法是背景差。在其子类CvFGDetectorBase中包含了两种背景差方法的实现：
（1）《Foreground Object Detection from Videos Containing Complex Background》2003
（2）《An Improved Adaptive Background Mixture Model for Real-time tracking with shadow detection》 2001
后者就被广泛研究和应用的混合高斯模型背景差（MOG-Mixture Of Gaussians），其开创者是MIT的著名学者Chris Stauffer，可参考文献《Learning patterns of activity using real-time tracking》2000。
OpenCV中还实现了一种基于码本的背景差方法，《Real-time foreground–background segmentation using codebook model》2005，可以参考例程bgfg_codebook.cpp，只是这种算法还没有整合进VS架构中，这个扩展工作有待完成。
用户调用接口：
CvFGDetector* cvCreateFGDetectorBase(int type, void *param)；
3 新目标检测（CvBlobDetector）：
CvBlobDetector在前景掩模的基础上检测新进入场景的Blob（块），子类有两个，分别是CvBlobDetectorSimple和CvBlobDetectorCC，参考文献为《Appearance Models for Occlusion Handling 》2001，检测新目标的基本原则是：当连续多帧图像中包含该连通区域，且具有一致的合理的速度。CvBlobDetectorCC与CvBlobDetectorSimple一个最显著的不同在于引入了 CvObjectDetector，用于检测分离的目标块。
用户调用接口：
CvBlobDetector* cvCreateBlobDetectorSimple();
CvBlobDetector* cvCreateBlobDetectorCC();
4 目标跟踪（CvBlobTracker）：
目标跟踪部分的子类众多，在这里不一一列举，给出相应的接口及对应的功能。对MeanShift和粒子滤波感兴趣的读者可参考：《Real-time tracking of non-rigid objects using mean shift》2000，《A Tutorial on Particle Filters for Online Nonlinear Non-Gaussian Bayesian Tracking》2002，《Particle Filters for Positioning, Navigation and Tracking》2002。
用户调用接口：
CvBlobTracker* cvCreateBlobTrackerCC();
连通区域跟踪
CvBlobTracker* cvCreateBlobTrackerCCMSPF();
连通区域跟踪 + 基于MeanShift 粒子滤波的碰撞分析
CvBlobTracker* cvCreateBlobTrackerMS();
Mean shift 算法
CvBlobTracker* cvCreateBlobTrackerMSFG();
基于前景的Mean shift 算法
CvBlobTracker* cvCreateBlobTrackerMSPF();
基于Mean shift 权重的粒子滤波
5 轨迹生成（CvBlobTrackGen）
该接口为CvBlobTrackGen，用于目标跟踪结束后，轨迹数据的保存。子类包括CvBlobTrackGen1和CvBlobTrackGenYML，前者以目标轨迹为单位保存整个轨迹的(x,y,sx,sy)数据为文本格式，后者与视频数据同步，以帧为单位保存当前目标信息为YML格式。
用户调用接口：
CvBlobTrackGen* cvCreateModuleBlobTrackGen1()；
CvBlobTrackGen* cvCreateModuleBlobTrackGenYML()；
6 跟踪后处理（CvBlobTrackPostProc）
跟踪后处理是一个可选模块，主要用于跟踪过程中目标轨迹的平滑，子类众多，这里给出三个主要的用户接口和说明。
用户调用接口：
CvBlobTrackPostProc* cvCreateModuleBlobTrackPostProcTimeAverRect()
轨迹矩形窗时间平均
CvBlobTrackPostProc* cvCreateModuleBlobTrackPostProcTimeAverExp()
轨迹指数窗时间平均
CvBlobTrackPostProc* cvCreateModuleBlobTrackPostProcKalman()
目标方位、尺寸的Kalman滤波平滑
7 轨迹分析（CvBlobTrackAnalysis）
当某个目标跟踪结束后，会产生一个轨迹，CvBlobTrackAnalysis的子类用于对轨迹进行数据分析。子类众多，这里给出六个主要的用户接口和说明。
用户调用接口：
CvBlobTrackAnalysis* cvCreateModuleBlobTrackAnalysisHistPVS();
5维矢量直方图分析(x,y,vx,vy,state)
CvBlobTrackAnalysis* cvCreateModuleBlobTrackAnalysisHistP();
2维矢量直方图分析(x,y)
CvBlobTrackAnalysis* cvCreateModuleBlobTrackAnalysisHistPV();
4维矢量直方图分析(x,y,vx,vy)
CvBlobTrackAnalysis* cvCreateModuleBlobTrackAnalysisHistSS();
起始点4维矢量直方图分析(startpos,endpos)
CvBlobTrackAnalysis* cvCreateModuleBlobTrackAnalysisTrackDist();
目标轨迹之间比较距离
CvBlobTrackAnalysis* cvCreateModuleBlobTrackAnalysisIOR();
整合上述多种分析方法