在OpenCv中提供了兩種實現目標跟蹤的關鍵算法，LK算法和HS算法，也就是通常所說的稀疏光流和稠密光流。

尋覓角點

角點，其實也就是1幅圖象中，容易被跟蹤的特點點，通常來講，這個點在兩個正交方向上都有明顯的倒數，該點在圖象中我們認為是唯一無2的。
從直觀上講，角點是1類有足夠信息并且能夠從當前幀和下1幀都能提取出來的點。

關于角點的定義，是由Harris提出的，其基礎是圖象灰度強度的2階導數矩陣 。該定義的角點位于圖象2階導數的自相干矩陣中有兩個最大特點值的地方，這本質上表示以此點為中心周圍存在最少兩個不同方向的邊沿。實際上1個角點也就是由兩個不同方向的邊沿相交而成的。而且，采取2階導數是由于它對圖象的均勻梯度不產生相應（梯度是1階導數而來，如果1階導數為均勻的，則2階導數為0）。

函數cvGoodFeaturesToTrack()

在這個函數中，輸入圖象image必須是8位或是32位，也就是IPL_DEPTH_8U 或是 IPL_DEPTH_32F 單通道圖象。
第2和第3個參數是大小與輸入圖象相同的32位單通道圖象。
參數 temp_image 和 eig_image 在計算進程中被當作臨時變量使用，計算結束后eig_image中的內容是有效的。特別的，每一個函數包括了輸入圖象中對應的最小特點值。

corners 是函數的輸出，為檢測到 32位（CvPoint2D32f）的角點數組，在調用 cvGoodFeaturesToTrack 函數之前要為該數組分配內存空間。

corner_count 表示可以返回的最大角點數目，函數調用結束后，其返回實際檢測到的角點數目。
quality_level 表示1點唄認為是角點的可接受的最小特點值，實際用于過濾角點的最小特點值是quality_level與圖象匯總最大特點值的乘積，所以quality_level的值不應當超過1，通常取值為（0.10或是0.01）

檢測完以后還要進1步剔除掉1些距離較近的角點，min_distance 保證返回的角點之間的距離不小于min_distance個像素

mask是可選參數，是1幅像素值為boolean類型的圖象，用于指定輸入圖象中參與角點計算的像素點，若mask的值為NULL，值表示選擇全部圖象

block_size 是計算導數的自相干矩陣是指定的領域，采取小窗口計算的結果比單點（也就是block_size 為1）計算的結果要好

函數cvGoodFeaturesToTrack() 的輸出結果為需找到的角點的位置數組。