復(fù)雜場景下基于判別式分類器的目標(biāo)跟蹤通常采用復(fù)雜的外觀表示模型以提高跟蹤精度，但影響了算法的實(shí)時(shí)性。為此，提出一種基于半色調(diào)的二值特征來描述目標(biāo)的外觀，在此基礎(chǔ)上對結(jié)構(gòu)化輸出支持向量機(jī)（SVM）的核函數(shù)進(jìn)行改進(jìn)，實(shí)現(xiàn)了判別模型的快速更新和判別；同時(shí)提出一種基于分塊匹配的判別模型更新策略，保證了跟蹤過程中樣本的可靠性。在Benchmark數(shù)據(jù)集上進(jìn)行的測試實(shí)驗(yàn)中，與壓縮跟蹤（CT）算法、跟蹤學(xué)習(xí)檢測（TLD）算法和核化的結(jié)構(gòu)化輸出跟蹤（Struck）算法相比，在跟蹤速度上，該算法分別提高了0.2倍、4.6倍、5.7倍；在跟蹤精度上，當(dāng)重疊率閾值取0.6時(shí)，該算法的成功率達(dá)到0. 62，而其他三種算法的成功率均在0.4以下，當(dāng)位置誤差閾值取10時(shí)，該算法的精度為0. 72，而其他三種算法精度均小于0.5。實(shí)驗(yàn)結(jié)果表明該算法在發(fā)生光照變化、尺度變化、嚴(yán)重遮擋和突變運(yùn)動等復(fù)雜情況下均具有很好的魯棒性和實(shí)時(shí)性。