在基于Mean-Shift的目标跟踪算法中，尺度自适应机制是算法研究的一个重要方向。一种典型的方法采 用Lindeberg的尺度空间理论以获取目标尺度信息。但现有算法中将尺度由2．D矢量压缩为1一D量，未能精细地 刻画目标仿射变换时的尺度变化，从而限制了算法的适用范围。为此，该文将尺度维1．D滤波推广至2一D，构造得 到了相应的垂D尺度空间，并利用窄间维和尺度维的Mean-Shift交替迭代，实现了同时在空间位置和尺度方向对 目标的有效跟踪，提高了算法在目标尺度变化时的自适应性，

SIFT算法是在不同的尺度空间上查找关键点,而尺度空间的获取需要使用高斯模糊来实现,Lindeberg等人已证明高斯卷积核是实现尺度变换的唯一变换核-SIFT algorithm is to find the key points on the different scales of space and capture scale space requires the use of a Gaussian blur to achieve, Lindeberg, who has proved a G