1.一种可嵌入式实现的目标跟踪方法，其特征在于步骤如下：步骤1：在连续的视频序列图像中，以选定待跟踪目标的视频为初始帧，采用ORB方法检测所有前景特征点和背景特征点及其描述符；

256维的特征描述符向量：

所述

则每一个特征点都得到了一个256维的特征点描述符记为：其中：n为256，p(x)代表x处像素点的灰度值；

步骤2：采用ORB方法对后续的每一帧视频信息的特征点提取和特征点描述符提取，并且与初始帧的特征点描述符进行全局匹配，结果集合为M，同时对初始帧的前景特征点利用光流法得到下一桢的特征点，结果集合记为T：将这两种特征点进行融合，过程为：

1、计算第t‑1帧的目标框的中心C(x,y)，以及目标框的宽度w和高度h，同时设x',y',w',h'为第t帧目标框的中心坐标和尺度，则：δ为相邻帧轨迹变化参数

得出第t帧的更为精简的特征点集合，记为：

2、采用海明距离计算步骤1初始帧前景特征点与本步骤计算当前帧特征点之间的距离，采用二次最近邻距离判据，得到结果集合为M：其中d(*)表示特征点描述符之间的海明距离，θ和γ为阈值，其中θ＝0.25，γ＝0.8；

采用Lucas‑Kanade光流法对第t‑1帧的前景特征点进行其到第t帧的跟踪：其中，u代表像素点延x轴的速度，v代表像素点延y轴的速度，矩阵A代表n个像素点分别延x轴和y轴的变化，ω为高斯窗口函数，变量为像素点到窗口中心的距离；根据计算出来的光流场可以快速计算出第t帧的特征点位置，结果集合记为T；

3、对全局匹配和光流跟踪得到的两部分前景特征点进行不重复融合，融合后的特征点集合为K：

其中，aik为特征点的绝对坐标，mik为特征点对的索引；

步骤3、计算尺度和旋转角度：利用步骤2计算的当前帧图象和初始目标模板的前景特征点之间相对位置关系的几何不变性来进行尺度因子s和旋转因子α的计算：α＝med(Dα)

s＝med(Ds)

步骤4：根据刚性物体目标位置相对不变性，利用当前帧的特征点对当前帧的目标中心进行投票，并且采用层次聚类法得到票数最多的类，确定当前帧目框，过程如下：R

1、投票函数为h(a,m)＝a‑s·Rrm,其中其中a当前特征点的坐标；

c

2、V为票数最多的类，则当前目标中心为：设ci为前一帧的目标框的四个顶点，c′i为当前帧目标框的顶点，i＝1、2、3、4，则c′i＝μ+s·Rci

c

3、将为V投票的特征点设为最终的当前帧前景特征点，作为下一帧的先验信息；在后续的视频序列中，作为光流跟踪并可以得到第t+1帧的跟踪特征点：

2.根据权利要求1所述可嵌入式实现的目标跟踪方法，其特征在于：所述采用ORB方法检测所有前景特征点和背景特征点及其描述符是：(1)首先构造图像尺度空间金字塔pyramid，尺度空间金字塔由n个octaves层ci和n个intra‑octaves层di；i＝0,1…n‑1构成，n＝4；其中ci是ci‑1进行逐步0.5倍下采样得到，原始图像对应c0；每一个di层位于两个octaves之间，且也是di‑1进行逐步0.5倍下采样得到；

(2)在金字塔的每一层进行FAST特征点检测，即对于候选像素点p，在以p为圆心，3个像素为半径的离散化圆周上，设定合适的阈值t，如果在这个圆周上的16个像素点，有n个连续的像素点灰度值比I(p)+t都大或者比I(p)+t都小，则说明p为角点，n这里取值为9；其中I(p)为像素点p的灰度值；为加快速度，进行预判断，即先检测P1，P9，P5，P13这四个像素点，如果满足：

则p不是角点，否则继续进行检测；同时采用非极大值抑制来排除不是局部领域内极值的点，设立得分score函数S，定义如下：其中M＝{x|I(px)≥I(p)+t},N＝{x|I(px)≤I(p)‑t}；若角点p的3×3领域内存在多个角点，则计算score函数，若得分最大，则保留p作为一个角点；

(3)增加FAST特征点的方向特征，采用ORB特征的质心法：设一个patch的m+n阶矩Qmn定义为：m n

Qmn＝∑xyI(x,y)

质心K的定义为：

则特征点的方向可以用角点的中心到质心的向量方向θ来表示：θ＝arctan(Q01,Q10)(4)构造二进制的ORB特征描述符，对一副高斯平滑后的图象选取大小为l×l的patch，在此区域进行特征描述，其中二值描述符Γ定义为：其中p(x)代表像素点x出的灰度值；则一个256维的特征描述符向量为：则每一个特征点都得到了一个256维的特征点描述符；记为：其中，P1是静态目标模板， 表示第一帧图像中目标区域的m1个特征点，ri表示第i个特征点的位置坐标，fi为第i个特征点的二进制特征描述符。