Struck在面对目标尺度变化的场景时,跟踪结果的精度会降低,甚至出现丢失目标的情况。为解决这一问题,提出了一种在分类判别器中引入尺度变量的解决方案,在提高算法对尺度变化的鲁棒性的同时提高算法的实时性。对算法的改进主要是在分类判别器添加尺度变量,让分类器学习目标的尺度信息。同时在采样过程中,利用支持向量机中的判别函数实现目标位置预测,并减少计算量、提高实时性。改进后的算法在Car4、Girl、Walking、Basketball三个视频序列测试集上进行测试,运行平台为I7处理器、Win10系统,实时性和精准度都有明显的提升。其中,在Girl测试序列上距离精度提升最为明显,在阈值为2