這篇文章主要解決的是visual tracking中mean-shift方法無法估計尺度變化的問題，作者採用Lindeberg的尺度空間理論 來解決這個問題。
其原理就是：基於可導的尺度空間濾波器的局部最大值來進行尺度選擇。
基於appearance 的tracking中，像素值w(a)表示的是改點屬於object的概率，一般foreground blob具有高的權重，而background具有低的weigt。
mean-shift算法想要結合樣本權重w(a)和Kernel weights K(a)。
這篇文章的核心就是處理mean-shift的核的尺寸，它直接決定了windows的尺寸。作者提出了scale space blob的概念。作者認爲Lindeberg提供了一個很好的方法來選擇一個合適的scale描述一幅圖像中的特徵。於是一種多尺度的圖像描述子被提了出來，利用變方差的高斯濾波器來構造尺度空間表達，前兩維是空間的維數，第三位是空間的尺度。在着了作者採用的是不同尺度的DoG filter。這是由於DoG的描述子的幅值對於尺度具有不變性。
具體的思想就是我們設計一種機制能夠調節mean-shift 的kernel的size和blob的尺度。 首先定義3D的shadow kernel H,多個尺度的DoG濾波器形成了尺度空間濾波器組，然後與權重圖做卷積。如下所示：
定義核尺度集合：
H(s) = 1 - (s/n)^2
最後，3D 的尺度空間是從單個樣本權重w(x)生成的:
作者考慮兩個mean-shift 的過程，第一個是關於spatial 的，第二個是關於scale的。
算法流程如下：
1. 輸入是權重圖w(a),以及blob的現有尺度空間位置的估計(x_0,sigma_0)。
2.將sigma_0固定，利用下面公式計算偏移量：
3.固定x_0,利用下面的公式計算尺度的變化：
設置新的sigma_0 = b^s*sigma_0;