مطالعه ویدئو، ردیابی اهداف و استخراج اطلاعات مختلف از آن نقش بسیار اساسی در تحقیقات علمی و کاربردهای صنعتی دارد. روش های متعددی در هوش مصنوعی و پردازش تصویر و بینایی ماشین به وجود آمده است تا نیازهای مطالعاتی در این زمینه را برطرف نماید. یکی از زمینه هایی که در بینایی ماشین مطرح است علم مربوط به ردیابی اهداف یا شناسایی و دنبال کردن اهداف در تصویر است. برای انجام ردیابی اهداف متحرک در تصویر نیاز به ابزارهای قدرتمند و پیدا کردن ویژه گی هایی است که بتواند این کار را به خوبی انجام دهد. پردازش برروی ویدئو دارای محدودیت هایی از قبیل پیچیدگی وضعیت های تصویربرداری، انواع مختلف و زیاد حرکات موجود و همچنین مشکلات احتمالی از قبیل نور نامناسب و یا پویا بودن و پویا نبودن پس زمینه محل تصویر برداری خواهد بود. در کارهای گذشته موجود در این زمینه ، روش هایی مطرح گردیده که از ابزارهای متداول در حوزه ردیابی اهداف استفاده شده است. از آنجا که تنوع در حوزه ردیابی اهداف، بسیار بالاست نیاز به ابزار هایی است که قدرت بسیار بالایی در شناسایی اهداف و همچنین پایداری در تشخیص هدف موردنظر در طول زمان را داشته باشد. در این رساله از هر دو مدل ظاهر مولفه با استفاده از الگوریتم gmm و شکل مولفه با استفاده از الگوریتم hmm ، در راستای تحقق این خواسته استفاده شده است ، که الگوی شکل یک الگوی مناسب و قوی در کنار الگوی ظاهری اهداف مطرح شده است. ترکیب این دو مدل دارای پیچیدگی زمانی کمی بالاتر نسبت به روشهای قبلی است اما دارای دقتی به مراتب بالاتر در شناسایی اهداف و همچنین دنبال کردن قاطع آنها در طول مدت زمانی نسبت به روشهای گذشته است. به بیان دیگر روش ارائه شده در این رساله میتواند با توجه به محدودیت های موجود در داده ها، کارایی و قدرتمندی لازم برای ردیابی اهداف را دارا باشند. بنابراین میتوان از این ابزار برای پردازش ویدئو، با توجه به محدود بودن ویژه گیها در داده ها استفاده کرد.