動機： 大部分基於檢測的視訊跟蹤演算法，當選取充足的樣本時，計算量太大無法保證跟蹤演算法的實時性，因此，大部分基於檢測的演算法都以犧牲樣本的數量來保證演算法的實時性。這使得跟蹤演算法的魯棒性比較差。因此，有沒有一種比交好的方法，既能保證實時性又能儘量選取足夠的的樣本進行訓練呢？ 本文給出的答案是：可以的。

分析： 

1.嶺迴歸即最小二乘加一個正則項（二範數），公式如下：

2對於嶺迴歸，它唯一的優點就是有解析解（封閉解），通過求偏導數，進行化簡，最後解析解的形式如下式：

3本文就是在w的求解過程處做的改進。在（2）式中，求w必須要求矩陣的逆，矩陣求逆是一個非常耗時的過程，因此，如果w的求解可以用一種計算複雜度低的方法來解決，那麼整個演算法的時間複雜度就會大大降低。本文，利用迴圈矩陣對角化的性質和離散傅立葉變換和逆變換，得到了一個計算複雜度為nlogn 的求解w的方法。

檢測目標位置的計算時間降低了，但是，我們訓練那麼多樣本，不還是需要花費很多時間嗎?可不可以也改進一下樣本訓練引數的時間呢？文章的答案是：可以。

5利用選取的樣本，文章將樣本變成迴圈矩陣，然後利用對角化和離散傅立葉變換的性質，大大縮減計算複雜度，從而提高訓練速度。

4到現在，跟蹤演算法的計算時間大大縮短了，我們可以選取足夠多的樣本進行訓練，在保證演算法實時性的同時，也保證了演算法的魯棒性。

現在，論文的整體創新思路應該清晰了。下一步，本人將會對每一部分進行詳細介紹。