1.一种基于稳定表观模型的实时跟踪方法，其特征在于，该方法包含三个步骤：特征提取、随机投影和在线更新，具体为：首先提取被跟踪目标区域的最稳定极值区域MSERs信息，以获取具有灰度仿射变化不变性及灰度变化稳定的特征；然后选择基于满足RIP性质的稀疏随机矩阵，将提取的大量特征基于该随机矩阵投影变换，从而从稳定极值区域选择相对稳定的投影，进而获得较稳定的自适应目标表观，最后构建在线贝叶斯分类器实时跟踪目标。
2.根据权利要求1所述的方法，其特征在于，在特征提取时，采用MSERs算法提取感兴趣目标区域的稳定特征，并对其随机投影，利用稀疏投影矩阵的重建特性，获取目标稳定表观特征；在此基础上，建立贝叶斯分类器，选择具备最大后验概率的目标作为最佳跟踪位置，同时使用其附近的正负样本进行分类器更新，进而实现目标在线跟踪。
3.根据权利要求1或2所述的方法，其特征在于，首先采用MSERs算法计算第一帧中被跟踪目标区域的MSERs信息，并构建内接矩形对其填充，然后基于满足RIP条件的稀疏随机矩阵对其投影获取目标相对稳定的特征表达，其投影过程如下式所示：
其中V是投影生成的目标特征表达，mi是MSERs区域信息，rij构成稀疏随机矩阵。
4.根据权利要求1或2或3所述的方法，其特征在于，对选择出来的正负样本，基于上述特征表达，获取稳定的且具有判别性的特征，然后构建在线贝叶斯分类器对其学习，将获得最高评分的候选样本作为当前帧的跟踪目标。