做为机器视觉的代表运用，以监控摄像头为中心的安防监控系统，现在已经广泛运用与安全保卫、交通出行、房屋、工业生产等各行各业行业。想要了解更多机器视觉到底为视频监控系统增添了什么更改，我们要从机器视觉的几大主要用途来进一步分析。
目标识别
目标识别技术以及相对稳定的跟踪方法是什么机器视觉发展趋势的重要因素之一。他在许多行业都能得到很多的应用，比如身份核实的指纹验证、面部识别、虹膜识别技术及在智能交通系统、车辆检测、停车管理等场合车辆识别等。
一个目标识别系统软件应该具有在复杂环境及各种天气状况下检验、归类、鉴别目标能力，这样才可以针对性地对目标开展持续不断的跟踪。
近几年来，目标识别技术性已经从理论探索、试验室模拟仿真逐渐走向实践应用，其方法与技术已经从传统的统计系统识别，朝着根据专业知识、模型、多传感器信息融合及其神经网络算法的鉴别方法演变。
目标跟踪
健身运动目标跟踪是明确同一物体在图像序列不一样帧中区域的全过程。其主要工作内容方法就是选择一个好的目标特点和选用适度的搜索方法，依据配对基本原理，把已有的跟踪方式分成根据模型、地区、特点及主题活动轮廊的跟踪。
根据模型的跟踪
根据模型的跟踪是通过一定的先验知识对自己所跟踪目标创建模型，再通过配对跟踪模版，并自动更新模型。成都视觉自动化认为：传统健身运动物体表达方式有以下三种：
1.曲线图法：目标健身运动的本质是主框架的健身运动，因此该表达方式将物体的各个部分以平行线来类似。
2.二维轮廊：该表达方式的使用与物体在图像的投射相关。
3.立体式模型：运用理论椭圆柱、球等三维模型来表示物体的构造小细节。此方法通常需要在关联的图像帧间配对三维模型来获得物体运动定量描述，所以需要测算更多主要参数，配对流程的运算量更高。
