CSK算法是一種目標跟蹤算法，它的全稱是Circulant Structure of Tracking-by-detection with Kernels。該算法的主要創新點包括：
密集採樣：CSK算法採用密集採樣的方式來訓練分類器，這意味著它使用圖像的所有子視窗（固定大小）進行訓練，而不是隨機稀疏採樣。這種方法可以使得分類器更加適應目標的變化。
循環矩陣：CSK算法發現密集採樣得到的樣本集具有循環矩陣的結構特徵。循環矩陣可以由第一行向量表示，這使得算法在處理密集採樣時更加高效。
傅立葉變換：在循環矩陣的基礎上，CSK算法引入了FFT（快速傅立葉變換）來加快算法的速度。通過傅立葉變換，算法可以在頻域中高效地計算相關濾波器。
核技巧：CSK算法引入了核技巧，將原來的圖像空間轉換成了非線性空間的回歸問題，這增加了算法的準確性。
嶺回歸：CSK算法使用嶺回歸來求解相關濾波器，通過在損失函式中加入正則項，防止過擬合，提高算法的泛化能力。
目標中心預測：CSK算法通過計算相鄰兩幀之間的相關性，取回響最大的點為預測的目標中心。
CSK算法是對MOSSE算法的升級和拓展，它在MOSSE算法的基礎上引入了核技巧和嶺回歸方法。CSK算法的這些創新點使得它在目標跟蹤領域具有較高的準確性和實時性。