。速度由卡尔曼滤波器来预测，利用直方图以不同颜色来关联不同的物体。不过，这些特征中的某个或者全部都会改变。
例如，考虑一辆驾驶室为红色的白色卡车靠近街道旁边的摄像机，进入车道后，突然掉头向相反方向开去。一系列场景中，该目标的所有特征都发生了改变，包括大小，形状，速度和颜色。软件必须能够快速调整来适应这些突变，以便精确地识别出该车辆。另外，在跟踪多个目标时，软件必须能区分出它们之间彼此不同的特征。
图3：利用解析方法的目标检测
分类
跟踪的复杂度导致了目标分类方面的问题。例如，相对于人来说，系统发现某物体穿越摄像机前的警戒线时要容易得多。目标的大小和速度可以为大致分类提供参考，但对于精细分类还需要提供更多的信息。一个大目标具有更多的像素信息，但这对快速分类又太多了。这种情况下，为了实时响应，需要采用一种尺寸减小技术，即使在后续的调查中将利用存储的各帧中的所
有像素信息。
有效的VCA实现还必须克服目标分类以外的大量挑战。其中包括由于黄昏、水面、云、风中的树木摆动、雨、雪以及大雾所引起的各种变化；跟踪穿越的目标的轨迹，会引起每个前景像素的暂时合并，随后又分离；还有在包括多个摄像机系统中逐幅地跟踪目标等。如何解决这些问题都还是VCA发展过程中的挑战。
VCA系统设计
实现VCA和视频编码需要一个高性能的处理器和不同的部署。新解析技术的出现要求编程灵活性，这可以利用集成最高性能的处理器来解决，其中包括可编程 DSP和RISC微处理器内核以及视频硬件协处理器。合适的处理器还需要集成高性能的通信外设和视频信号链路来减少系统元器件和成本，例如德州仪器的基于 DaVinci技术的TMS320DM644x处理器。
两个DaVinci处理器可以提供处理高端VCA以及对每秒30帧(720p30 HD)，分辨率为720x1080的高清视频(HD)源进行编码的性能。
进行略微改进，设计可以更改成一个卡和一个处理器的形式。能够提供与两个处理器相同的功能，不过只能处理中级的VCA和HD编码。
采用这种将VCA集成到摄像机中的方案，可以提供鲁棒的高效率网络实现。VCA软件也可以集成到用作为多个摄像机的中央单元的PC中。除了VCA自身的步骤外，在前景/背景检测和其他解析步骤之前，还需要处理去交织的一些预处理步骤。为了识别目标或其他目的，应用软件还会增加一些进一步处理。上述的单处理器和双处理器设计方案都能为这些额外的软件功能提供预留空间。
图4：IP网络摄像机处理模型
VCA的升级
将前景目标从背景中分离出来的自适应方法，随后的跟踪目标，如果需要，对可疑的活动进行分类等构成了VCA的全部，这需要一个高级的实时处理运算和自适应能力。基于DSP的视频处理器提供了VCA和视频编码所需的性能，加上能够适应应用需求和技术中的可编程灵活性，将视频安全监控提升到了一个新层次。