1.一种运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，包括建立足部局部运动模型，采用前一帧双脚位置对当前帧双脚位置进行预测，建立全局运动模型，根据全局运动模型预测双脚位置，若是第一帧，读取第一帧双脚位置图片，获取目标位置，训练分类器，确定目标模板，保持目标位置，显示本帧跟踪结果；若不是第一帧，读取图片，获取预测的双脚位置，找到最大响应后更新目标位置，重新训练分类器，更新目标模板，保持目标位置，显示本帧跟踪结果；根据跟踪结果判断是否为最后一帧，若是，结束跟踪，若不是，继续目标跟踪。

2.根据权利要求1所述的运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，具体包括以下步骤：步骤1，输入视频序列

步骤2，判断是否为第一帧，若是第一帧，读取第一帧双脚位置图片，获取目标位置，训t练分类器，确定目标模板，之后对脚局部运动中两脚垂直方向位移d 和水平方向位移进行建模，建立足部局部运动模型，其中t是时间指数；

步骤3，根据足部局部运动模型，采用前一帧双脚位置对当前帧双脚中间点位置进行预测，建立全局运动模型；

步骤4，判断是否为第一帧，若不是第一帧，读取图片，获取运动模型预测的双脚位置，找到最大响应后更新目标位置，重新训练分类器，更新目标模板；

步骤5，保存目标位置，显示本帧跟踪结果，判断视频序列图像是否为最后一帧，若是，结束目标跟踪，若不是，继续所述步骤4，进行目标跟踪。

3.根据权利要求2所述的运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，所述步骤1中，每一帧图像中采用像素点的坐标位置描述双脚的位置， 表示当前帧左脚的位置坐标， 表示当前帧右脚的位置坐标，则两脚垂直方向位移两脚水平方向位移 lt-1为前一帧两脚水平方向位移。

4.根据权利要求3所述的运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，采用余弦函数对两脚垂直方向位移dt进行建模，t t

式中，A为所述余弦函数的幅值，A＝|ylmax-yrmin|，ylmax为左脚垂直坐标的最大值，yrmin为右脚垂直坐标的最小值；

Tt为所述余弦函数的周期， 表示第k个过零点的时间，为所述余弦函数的相位，

5.根据权利要求3所述的运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，所述步骤3中，当前帧双脚中间点的预测位置 为：其中，左脚预测位置 为：

右脚预测位置 为：

6.根据权利要求5所述的运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，所述步骤4中，双脚位置包括左脚位置和右脚位置，第一帧左脚位置是以左脚的脚后跟水平方向中点位置(xl,yl)为中心的方形区域，第一帧右脚位置是以右脚的脚后跟水平方向中点位置(xr,yr)为中心的方形区域；其余帧的左脚位置是以左脚预测位置 为中心的方形区域，右脚位置是以左脚预测位置 为中心的方形区域。

7.根据权利要求6所述的运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，所述步骤2中，训练分类器，确定目标模板具体包括以下步骤：步骤2.1，确定第一帧的训练样本X，训练样本X是由训练正样本x和训练负样本x(i)组成的集合，训练正样本x为第一帧窗口内的子图像，即x＝[x1 x2......xn]T，训练负样本x(i)＝Pix，i＝1,2，……，n，P为n×n阶循环矩阵，则训练样本X为：

步骤2.2，训练分类器，即确定训练样本权值

假设图像的采样数据与下一帧真实目标位置的最小距离为F：F＝min||Xω-y||2+λ||ω||2

式中，X为本帧图像的训练样本，y是训练样本的回归值矩阵，λ为正则化参数，ω为权重系数；

训练样本权值，即F为最小值时的权重系数ω，对F进行求导，可得：变换到复数域：

ω＝(XHX+λI)-1XHy

式中，I为n×n阶单位矩阵；

步骤2.3，确定目标模板

设定权重系数 其中 为核函数，即训练样本X从低维空间到高维空间的

2 2

映射，根据F＝min||Xω-y||+λ||ω||可得：α＝(K+λI)-1y

变换到傅里叶域，

式中，K为核矩阵， 为核矩阵K第一行的傅里叶变换；为分类器系数，也是α的傅里叶变换； 为y的傅里叶变换；确定目标模板，即求解分类器系数

8.根据权利要求7所述的运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，所述步骤4中，找到最大响应的过程即为模板匹配的过程，用kz表示测试样本和训练样本在核空间的核矩阵，则测试样本的响应 为：式中 为核矩阵kz第一行的傅里叶变换，也为第二帧及后续各帧图像的测试样本，为分类器系数，e为核矩阵kz第一行对应元素与α的点乘。

9.根据权利要求8所述的运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，所述模板匹配在每一帧目标搜索区域内进行，搜索区域是以全局运动模型预测的双脚位置为中点扩大后的区域。

10.根据权利要求9所述的运动模型引导下的机器人核相关滤波跟踪算法，其特征在于，所述步骤4中，更新目标模板，即更新分类器系数 和目标观测模型上式中m为学习率。