我们知道，在目标跟踪算法中，广泛使用的tracking-by-detection框架的核心部分就是分类器[16]。每一帧在目标估计位置的周围采集一些样本，距离目标近的样本标签为正，距离目标远的样本标签为负。利用这些样本更新分类器，但是由于计算量的限制，仅使用于了少量的样本。但是，KCF算法提出一种完全不同的方法。打算使用所有样本训练分类器，使得训练更加充分。但是由于核矩阵高度结构化，计算量相比之前也大大减少