1.一种自适应对象特征的跟踪方法，包括如下步骤：

步骤一、目标选取；

从初始图像中选择并确定要跟踪的目标对象，目标选取过程可以通过运动目标检测方法自动提取，也可以通过人机交互方法手动指定；

步骤二、构建目标灰度表；

目标灰度表的构建方法为：对目标图像块中的每一个像素点I，设该像素点灰度值在目标灰度直方图和背景灰度直方图中对应的量化级分别为ak和gk，则该像素点的权重w计算为w＝ak/(ak+gk)；然后计算该像素点在目标图像块中的横坐标x和纵坐标y，以及与目标中心位置的横向距离dx和纵向距离dy；如果w>θT则根据该像素点的灰度值将其加入到目标灰度表中对应的像素点集中；设 表示目标灰度表，HT的总量化级数表示为MT， 其中L为Bk包含的像素点数目，

表示Bk中第i个像素点，其中 和 分别表示 在目标图像块中的横坐标和纵坐标， 和分别表示 与目标中心位置的横向距离和纵向距离， 表示 的灰度值， 表示 的权重，设 表示目标图像块ZT的归一化灰度直方图，其中NT为AT的总量化级数，设 表示以目标图像块ZT为中心的周围背

景的归一化灰度直方图，其中NG为AG的总量化级数；

步骤三、特征选择与目标建模；

设F＝{fi}i＝1...D表示特征集，其中D为F包含的特征数目，fi表示F中的第i个特征，两点特征的提取方法为：在HT中随机选择两个不同的像素点集Bi和Bj，i≠j，1≤i,j≤MT；然后在Bi中随机选择一个像素点Ia，并在Bj中随机选择一个像素点Ib，Ia和Ib构成两点特征，该两点特征的特征值f计算为：根据各个特征与类型c的互信息对所有特征进行排序，提取互信息最大的前K个特征构成目标特征集FT＝{fi}i＝1...K用于目标建模；具体为，根据该特征集中各个特征对应在目标图像块中的取值将目标描述为一个K维的特征向量AT＝(f1,f2,…,fi,…,fK)，其中fi表示AT的第i个特征值；

步骤四、图像输入；

在实时处理情况下，提取通过摄像头采集并保存在存储区的视频图像，作为要进行跟踪的输入图像；在离线处理情况下，将已采集的视频文件分解为多个帧组成的图像序列，按照时间顺序，逐个提取帧图像作为输入图像，如果输入图像为空，则跟踪结束；

步骤五、构建霍夫表；

霍夫表的构建方法为：设 表示与图像对应的霍夫表，其中WI和HI分别表示图像的宽和高，qi,j为在(i，j)位置上根据目标灰度表HT确定的指向该位置的像素点数目，对图像中的每一个像素点，根据它的灰度在灰度表HT中查找对应的像素点集B，然后对B包含的每一个像素点，若该像素点指向的目标中心位置为(i，j)，则对应将Q中的qi,j加1；

步骤六、目标定位；

对目标搜索区域内的每一个候选图像块Z，根据目标特征集FT计算Z的特征向量其中 表示AZ的第i个特征值，则该候选图像块Z与目标的相似度SZ计算为：

其中 为特征fi与类型c的互信息，即 R为

归一化因子， 将具有最大相似度的候选图像块所

在的图像位置作为预测目标位置；然后，在以预测目标位置为中心的局部较小范围内搜索对应霍夫表中具有最大像素点数目的位置，并将其作为最终的目标位置，目标定位完成。

2.根据权利要求1所述的一种自适应对象特征的跟踪方法，其特征在于：所述两点特征提取方法提取D个两点特征构成特征集FT＝{fi}i＝1...D，其中fi表示FT中的第i个两点特征；

对特征集中的每一个特征f，计算它与类型c的互信息I(f；c)，其中V＝{0,1}，C＝{0,1}，这里c＝1表示目标，c＝0表示背景；p(f,c)＝p(f)p(c|f)，其中p(f)＝0.5，p(c|f)＝Nc/No，No表示在目标所在的背景搜索区域内参与计算的候选图像块的总数目；设fT表示该特征对应在目标图像块中的取值，Nc为f≠fT对应的候选图像块的数目。