運動物體跟蹤實際上就是對運動物體位置的測量和估計，和稱小兔兔體重一樣，我們也有兩個管道可以知道運動物體的位置，一個是我們觀察到的，目标A在的某一幀圖像的某個坐标點，另一個是我們根據前面幾幀裡目标的運動情況估計出來的，這個估計是假定目标運動是光滑的（當然也可以有其他模型），在這個根據以前運動做出的估計和我們測出來的目标點位置之間做個權重平均，就是現在的估計值，對下一幀做同樣處理，權重平均的權值就是Kalman增益，根據Kalman提供的算法可由以往的誤差大小和分布推出，這就是全部的用Kalman濾波做目标跟蹤的概念。
Kalman濾波理論主要應用在現實世界中個，并不是理想環境。主要是來跟蹤的某一個變量的值，跟蹤的依據是首先根據系統的運動方程來對該值做預測，比如說我們知道一個物體的運動速度，那麼下面時刻它的位置按照道理是可以預測出來的，不過該預測肯定有誤差，隻能作為跟蹤的依據。另一個依據是可以用測量手段來測量那個變量的值，當然該測量也是有誤差的，也隻能作為依據，不過這2個依據的權重比例不同。最後kalman濾波就是利用這兩個依據進行一些列疊代進行目标跟蹤的。
在這個理論架構中，有2個公式一定要懂，即：
