شناسايي و رديابي خودرو يکي از مهمترين نيازها و چالش هاي اساسي در کاربردهاي بينايي رايانه، نظارت و کنترل حمل و نقل درون شهري و برون شهري به حساب مي آيد. رديابي خودرو در فريم هاي متوالي ويدئو در دو مرحله اساسي انجام مي گيرد: شناسايي خودرو و رديابي خودرو در قاب بعد. به عبارت ديگر، عمل رديابي به صورت تخمين يا پيش بيني مسير حرکت خودروي متحرک در قاب هاي متوالي ويدئو تعريف مي شود. الگوريتمهاي شناسايي خودرو به طو رمعمول از دو استراتژي براي تعيين موقعيت خودرو در هر قاب استفاده مي کنند. اگر شدت روشنايي پس زمينه صحنه مورد نظر به طور تقريبي ثابت باشد، خودرو با يک عمل ساده تفاضل گيري قاب حاضر از قاب قبلي، شناسايي مي گردد؛ اما اگر شدت روشنايي پس زمينه صحنه مورد نظر ثابت نباشد، يک معيار شباهت مي تواند عمل شناسايي را انجام دهد. معيار شباهت براساس ويژگي هاي لبه يا گوشه، شکل يا شدت روشنايي پيکسل هاي خودرو انتخاب مي شود. چالش هاي مختلفي همچون انسداد، وجود سايه خودرو، تغييرات روشنايي و مقياس، بر خط بودن سامانه رديابي و نياز به عملياتي بودن سامانه رديابي در شرايط ۲ ساعته در رديابي خودرو باعث شده است که کارآمدي و کارايي الگوريتم هاي رديابي خودرو براساس ميزان عملکرد الگوريتم ها در مواجه  با اين چالش ها ارزيابي شود. الگوريتم هاي رديابي خودرو در چهار دسته طبقه بندي مي شوند: ۱- رديابي مبتني بر ناحيه ؛ ۲- رديابي مبتني بر کانتور فعال؛ ۳- رديابي مبتني بر ويژگي؛ ۴- رديابي مبتني بر مدل