计算机视觉中的Blob是指图像中的一块连通区域，Blob分析就是对前景/背景分离后的二值图像，进行连通域提取和标记。标记完成的每一个Blob都代表一个前景目标，然后就可以计算Blob的一些相关特征，如：面积、质心、外接矩形等几何特征，还可以计算Blob的颜色、纹理特征，这些特征都可以作为跟踪的依据。

基于Blob的跟踪属于基于区域的跟踪，该算法在多篇文献中被研究过。有学者将Blob用于车辆的跟踪，首先用特征检测来提取目标Blob并计算Blob的几何特征，在进行Blob跟踪的时候，将Blob面积重叠率在50%以上作为匹配标准。有学者将Blob用于移动机器人的视觉跟踪系统中，在该系统中，首先用鼠标标记目标，然后对目标进行颜色学习，形成目标表面颜色的RGB向量集。在目标跟踪的过程中遍历图像，通过将所有像素点与目标RGB向量集作对比来寻找目标色块，再提取色块的特征用于后续跟踪。有学者提出基于Blob的Mean-shift跟踪，考虑到目标在移动过程中，可能会发生形变，所以在Blob周围不断调整搜索窗口大小，然后在窗口区域和目标之间作特征匹配以此来跟踪目标。有学者提出的多目标跟踪算法中，采用Blob标记法来对前景目标进行聚集和生长。有学者在车辆跟踪系统中，先检测车辆Blob，然后进行学习，形成属于车辆的特征类。有学者在提取目标过程中将Blob匹配与混合高斯算法相结合，然后与混合高斯算法结果对比，实验结果表明该文献算法提取出的目标更加完整。