ردیابی اشیاء مساله ای مهم همراه با محدوده وسیعی از کاربردها است که با توجه به کاربرد های متنوع آن در حوزه های مختلف به ویژه حوزه بینایی ماشین در سالهای اخیر مورد توجه فراوان قرار گرفته است. مشکلاتی نظیر پیچیده بودن پس زمینه ، تغییرات روشنایی و ... باید در هنگام ردیابی در نظر گرفته شوند . هدف در این تحقیق معرفی چارچوبی جدید برای ردیابی اشیاء می باشد . الگوریتم استفاده شده از دو بخش اصلی تشکیل شده است. در بخش اول ابتدا بایستی اشیاء مورد نظر آشکار سازی شوند. برای شناسایی اشیاء ، روش مدل مخلوط گاوسی به کار گرفته شده است که روشی آماری برای استخراج تغییرات ایجاد شده در پس زمینه است . برای بهبود کارایی آن در حذف نویز وسایه از روش های ترکیبی بهره گرفتیم. که حاصل آن روشی قابل اطمینان برای استفاده در فضای باز است . در بخش بعد و به منطور ردیابی فریم به فریم اهداف مورد نظر از فیلتر کالمن استفاده شده است . ردیابی چندین هدف به طور همزمان به دلیل وجود مساله ارتباط اطلاعات و همپوشانی بین اهداف به مراتب دشوارتر از ردیابی تک هدفی است . برای حل مساله ارتباط اطلاعات و به منظور انتساب اشیاء مشاهده شده به اهدافی که آنها را ایجاد کرده اند از روش نزدیکترین همسایگی استفاده شده است . همچنین از الگوریتم smp برای یافتن پایدار ترین تطابق استفاده شده است . علاوه بر این ، الگوریتم ردیابی طوری طراحی شده است که از عهده همپوشانی جزیی برآید . به این صورت که از مقادیر تخمین زده شده توسط فیلتر کالمن و ماتریس انتساب حاصل از الگوریتمsmp برای تشخیص وقوع همپوشانی و از ترکیب فیلتر کالمن و الگوریتم سریع جابجایی میانگین برای ردیابی در زمان همپوشانی استفاده شده است . در انتها نتایج شبیه سازی الگوریتم های پیاده سازی شده آورده شده است.