Presque chaque demande se présente sous l'une des quatre formes suivantes. Échantillonnage signifie prendre des images régulièrement espacées sur une séquence de vidéo (une par seconde, une toutes les dix) pour les examiner, les annoter ou les alimenter dans autre chose. Ciblage cela signifie trouver une image spécifique et l'enregistrer en pleine qualité. Construire signifie que les images sont la matière première pour autre chose : un GIF, un miniature, une planche contact. Préparation signifie que les images deviennent un ensemble de données, où la cohérence et la provenance comptent plus que n'importe quelle image individuelle.
Les paramètres qui découlent de chacun sont véritablement différents. L'échantillonnage est décidé par un intervalle et vit ou meurt en obtenant le nombre d'images juste avant de commencer. Le ciblage dépend de la connaissance de la fréquence d'images source afin que le pas se déplace exactement d'une image. La construction nécessite généralement moins d’images que ce à quoi les gens s’attendent et un choix délibéré de format de sortie. La préparation nécessite des décisions de dénomination et de fractionnement prises avant le début de l'annotation, car elles sont coûteuses à modifier par la suite.
Les guides ci-dessous sont regroupés de cette façon plutôt que par outil.