在线学习在视觉跟踪中的运用主要是为了解决跟踪目标外观变化的问题，可分为两大类：（1）目标本身的变化，如姿态形状的变形；（2）环境影响，包括光照的改变、摄像机的运动、遮挡以及视角的转换。
传统的离线学习的方法通过大量的样本训练分类器，然后在线的对目标进行检测与跟踪。这对训练样本的多样性提出了很高的要求，比如必须包括跟踪过程中目标在各种情况下可能出现的状态，而且即使拥有这样的训练样本，由于其多样性，也很难提取出比较好的低维特征用来检测或者分类。离线学习的方法则在跟踪的同时对检测器或者分类器进行更新，使之适应于于当前目标的跟踪，通过这样的方式试图去解决在离线学习跟踪中遇到的困难。
[visual tracking ：an experiment survey]中有下图。
视觉跟踪五个主要成分