這篇文章的創新點有三點：
1）特徵提取方面，將RGB顏色空間轉換成CN顏色空間，一種只有11維卻主要表示了自然界常用顏色的顏色空間。
2）目標表徵方面，通過貝葉斯公式提出了背景加權抑制目標直方圖表徵方法。
3）尺度估計方面，對尺度連續變換、“小尺度遊蕩”兩個問題加入了懲罰項，還提出了反向尺度一致性檢查。
通過以上三個創新點，對如下幾方面有一定的抵抗力：
1）光照變化，因爲RGB顏色直方圖容易受光照和姿態變化的影響，造成位置或尺度估計產生偏差，而CN特徵空間由於只有11維的主體顏色，因此對光照、陰影、遮擋等變化造成的顏色失真不那麼敏感。
2）複雜背景干擾和部分遮擋，因爲通過貝葉斯公式引入了區分前景和背景的直方圖區間所佔的概率，減輕了背景的干擾。
3）尺度變化，因爲對尺度變化的個別問題引入懲罰項，且提出反向尺度一致性的檢查（判斷由t幀得到的尺度與t-1幀的一致性係數來決定取捨）。
除此之外，其他的跟蹤目標流程與傳統方式相似，包括使用核跟蹤方法進行目標模板與候選模板的篩選匹配、對目標位置使用Bhattacharyya係數衡量相似性、分別在式中求偏導等方法和公式，以及與MeanShift、LOT、SOAMST、CNSAT四種算法的實驗數據分析對比，這裏不多贅述，詳情請瀏覽原文。
