1.算法辅助标注：就像3D点云标注一样，利用成熟的追踪算法（如SORT、DeepSORT算法）对视频进行自动预标注。人工只需要在关键帧进行修正，或者复核算法生成的轨迹，可以极大提升效率。

2.半自动标注：标注员只需标注关键帧（如每隔5帧或10帧），算法通过光流法等技术自动补全中间帧，人工再对算法容易出错的遮挡部分进行重点修正。这正在成为行业主流。

3.多模态融合追踪：结合音频（比如根据说话声追踪特定的人）、雷达点云（获取精确深度信息）等多维数据，提升追踪的鲁棒性，尤其是在复杂动态场景下。

4.从“追踪”到“理解”：未来的标注可能不止是追踪位置，还要标注目标的行为（如“正在打电话的行人”、“即将变道的车辆”），为大模型理解视频内容提供更丰富的数据。