线性子空间模型能够有效地描述目标表面受到光照和姿势变化的情况，然而大多数基于子空间表面模型的目标跟踪算法是在跟踪之前通过训练不同光照和姿势下目标的观测图像，得到一组特征基，并用这组特征基表示不同时刻目标表面变化，一旦训练完成之后，特征基就保持不变，不能在线更新。采用增量子空间学习的方法来构建目标表面的特征基，该特征基能够在线适应目标表面的变化。另一方面，传统的子空间学习方法是基于最小二乘重构误差，该方法容易受到异常测量数据的影响，为此采用鲁棒的子空间学习方法来降低异常测量数据对特征空间更新的影响。最后将鲁