象棋软件可以通过以下方法跟踪检测：
基于深度学习的作弊检测方法
利用深度学习技术，通过训练模型来检测象棋软件中的作弊行为。具体步骤包括：
将象棋软件的回放数据集分为训练数据集和测试数据集，并在训练数据集上训练模型。
对训练数据集进行预处理，包括选择步数作为特征并存储在三维数组中。
构造神经网络，并根据选手水平等级选择不同的数据集进行训练。
使用不同参数配置训练多个模型，并在测试数据集上运行以评估性能。
将待检测的监督数据集输入模型，预测选手作弊的概率。
行棋数据分析引擎
开发者可以构建一个行棋数据分析引擎，用于自动分析用户的行棋数据，以及分析用户举报的指定用户的行棋数据。这种方法主要用于检测挂机软件和恶意攻击软件，但并不能确定是否为人机对弈。
红外扫描和微型控制器
使用红外发射单元和接收单元扫描棋盘，通过检测落子点光强的变化来获取棋子位置信息。
微型控制器记录棋子移动的数据，并结合内置的象棋智能算法进行优先检测。
自动下象棋辅助工具
存在自动下象棋的辅助工具，如隐心象棋助手，它们可能具备自动检测下棋方法的功能，但具体检测机制未详细描述。
这些方法各有优缺点，深度学习技术能够处理复杂的模式识别，但需要大量的训练数据；行棋数据分析引擎可以自动分析大量用户数据，但可能受限于算法的准确性和举报机制的完善程度；红外扫描和微型控制器方法提供了一种物理层面的检测手段，但可能受到环境和硬件的限制。
建议结合多种方法来提高检测的准确性和可靠性。例如，可以先使用行棋数据分析引擎进行初步筛查，然后对疑似作弊的棋局使用深度学习模型进行进一步分析，最后通过红外扫描等方法验证异常行为。