做為機器視覺的代表運用，以監控攝像頭為中心的安防監控系統，現在已經廣泛運用與安全保衛、交通出行、房屋、工業生產等各行各業行業。想要了解更多機器視覺到底為視頻監控系統增添了什么更改，我們要從機器視覺的幾大主要用途來進一步分析。

目標識別
目標識別技術以及相對穩定的跟蹤方法是什么機器視覺發展趨勢的重要因素之一。他在許多行業都能得到很多的應用，比如身份核實的指紋驗證、面部識別、虹膜識別技術及在智能交通系統、車輛檢測、停車管理等場合車輛識別等。
一個目標識別系統軟件應該具有在復雜環境及各種天氣狀況下檢驗、歸類、鑒別目標能力，這樣才可以針對性地對目標開展持續不斷的跟蹤。
近幾年來，目標識別技術性已經從理論探索、試驗室模擬仿真逐漸走向實踐應用，其方法與技術已經從傳統的統計系統識別，朝著根據專業知識、模型、多傳感器信息融合及其神經網絡算法的鑒別方法演變。
目標跟蹤
健身運動目標跟蹤是明確同一物體在圖像序列不一樣幀中區域的全過程。其主要工作內容方法就是選擇一個好的目標特點和選用適度的搜索方法，依據配對基本原理，把已有的跟蹤方式分成根據模型、地區、特點及主題活動輪廊的跟蹤。
根據模型的跟蹤
根據模型的跟蹤是通過一定的先驗知識對自己所跟蹤目標創建模型，再通過配對跟蹤模版，并自動更新模型。成都視覺自動化認為：傳統健身運動物體表達方式有以下三種：
1.曲線圖法：目標健身運動的本質是主框架的健身運動，因此該表達方式將物體的各個部分以平行線來類似。
2.二維輪廊：該表達方式的使用與物體在圖像的投射相關。
3.立體式模型：運用理論橢圓柱、球等三維模型來表示物體的構造小細節。此方法通常需要在關聯的圖像幀間配對三維模型來獲得物體運動定量描述，所以需要測算更多主要參數，配對流程的運算量更高。