1.一种基于关键帧的在线学习的离线视频跟踪方法，其特征在于，包括以下步骤：(1)对于给定的离线视频，选择一定数量的关键帧进行标注，并由此构建完备的模板字典，该模板字典包含三个部分：纯净模板、动态模板和辅助模板；

(2)在跟踪过程中，对于每一个候选图像区域，计算其与纯净模板子块之间的距离，从而有效对纯净模板子块进行选择，提高计算效率；

(3)采用循环跟踪的策略将开环问题转化为闭环问题；

(4)利用跟踪的结果，对动态模板进行在线地半监督学习，以适应目标表观的变化；

步骤(1)具体包括以下子步骤：

(1.1)，从整个视频中选择一定数量的关键帧，手工标定目标区域；

(1.2)，在每个关键帧标定的区域中，上下左右各扰动1-2个像素产生十个纯净模板；相邻关键帧之间，由对应的纯净模板线性组合生产一系列动态模板；

(1.3)，构建产生一系列辅助模板，每个辅助模板只有一个元素的值为1，其他元素均为

0，不同的辅助模板对应着目标模板不同位置的像素；如某个辅助模板的重构系数不为零，则表明其对应的像素有可能被噪声污染或者被其他物体遮挡。

2.根据权利要求1所述的一种基于关键帧的在线学习的离线视频跟踪方法，其特征在于：所述的步骤(2)具体包括以下子步骤：(2.1)，将纯净模板根据产生它的关键帧分成不同的子块；

(2.2)，对于每一个候选图像区域，计算其与纯净模板子块之间的距离；

(2.3)，只要候选区域与纯净模板子块中任一模板之间的距离小于一定的阈值，就采用该纯净模板子块对候选区域进行稀疏重构；否则就不采用该纯净模板子块对候选区域进行稀疏重构。

3.根据权利要求1所述的一种基于关键帧的在线学习的离线视频跟踪方法，其特征在于：所述的步骤(3)具体包括以下子步骤：(3.1)，将整段视频序列根据关键帧分成若干段子序列；

(3.2)，在每段子序列上，从两个关键帧节点开始，分别进行跟踪，在跟踪过程中，采用步骤(2)中所选择的模板字典进行对所有候选区域进行稀疏重构，按重构误差从小到大排序，选择重构误差最小的候选区域作为跟踪结果；

(3.3)，将两个关键帧节点循环跟踪的结果进行比较，选择跟踪结果误差最小的帧作为循环跟踪的交点，并由此获得整个子序列的跟踪结果。

4.根据权利要求1所述的一种基于关键帧的在线学习的离线视频跟踪方法，其特征在于：所述的步骤(4)具体包括以下子步骤：(4.1)，将当前帧之前5帧的跟踪结果中重构误差最小的候选区域作为有标签的样本数据；

(4.2)，从重构误差较小，重构误差排序前k的候选区域选取一些候选区域作为无标签的样本数据；

(4.3)，根据上述样本数据集合，采用基于保持稀疏重构的半监督字典学习方法，对模板字典中的动态模板进行选择性更新。