本發(fā)明大體涉及電子裝置。更具體地說，本發(fā)明涉及用于跟蹤對象的系統(tǒng)和方法。
背景技術(shù)：
：在最近幾十年中，電子裝置的使用已變得普遍。明確地說，電子技術(shù)的進(jìn)步已減少了日益復(fù)雜且有用的電子裝置的成本。成本減少和消費者需求已使電子裝置的使用劇增，使得其在現(xiàn)代社會中實際上隨處可見。由于電子裝置的使用已展開，因此具有對電子裝置的新且改善特征的需求。更具體地說，人們常常尋求執(zhí)行新功能和/或更快、更高效或更可靠地執(zhí)行功能的電子裝置。一些電子裝置利用圖像。舉例來說，智能電話可捕獲和處理數(shù)字圖像。然而，處理圖像可涉及需要大量資源(例如，時間和電力)的復(fù)雜操作。如從此論述可觀測到，改善圖像處理的系統(tǒng)和方法可為有益的。技術(shù)實現(xiàn)要素：描述一種用于通過電子裝置跟蹤對象的方法。所述方法包含檢測初始幀中的對象位置以產(chǎn)生檢測的對象位置。所述方法還包含基于所述檢測的對象位置或預(yù)測的對象位置測量一或多個特征點位置。所述方法進(jìn)一步包含基于所述一或多個特征點位置預(yù)測后續(xù)幀中的所述對象位置。所述方法另外包含確定是否失去對象跟蹤。所述方法還包含在維持對象跟蹤的情況下，避免執(zhí)行針對所述后續(xù)幀的對象檢測。確定是否失去對象跟蹤可基于一或多個特征點位置中的至少一個和對象位置預(yù)測。所述方法可在單個圖像序列時對一個幀操作。對象位置檢測與對象位置預(yù)測可獨立。預(yù)測所述對象位置可基于來自前一幀的一或多個特征點位置。可預(yù)定義所述特征點位置的結(jié)構(gòu)。所述特征點位置可在所述對象的結(jié)構(gòu)內(nèi)。在預(yù)測期間可利用速度模型，且在測量期間可利用位移模型。所述速度模型和位移模型中的每一個可對應(yīng)于所述對象的結(jié)構(gòu)。所述速度模型和所述位移模型可不包含任何硬性約束。所述方法可包含針對從前一幀的特征點的對象位置預(yù)測訓(xùn)練速度模型。所述方法可包含針對從在當(dāng)前幀處的預(yù)測的邊界框位置或從在所述當(dāng)前幀處的檢測的邊界框位置的特征點測量訓(xùn)練位移模型。還描述一種用于跟蹤對象的電子裝置。所述電子裝置包含處理器和與所述處理器電子通信的存儲器。所述電子裝置還包含存儲于所述存儲器中的指令。所述指令可由所述處理器執(zhí)行以檢測初始幀中的對象位置以產(chǎn)生檢測的對象位置。所述指令也可由所述處理器執(zhí)行以基于所述檢測的對象位置或預(yù)測的對象位置測量一或多個特征點位置。所述指令進(jìn)一步可由所述處理器執(zhí)行以基于所述一或多個特征點位置預(yù)測后續(xù)幀中的所述對象位置。所述指令另外可由所述處理器執(zhí)行以確定是否失去對象跟蹤。所述指令也可由所述處理器執(zhí)行以在維持對象跟蹤的情況下避免執(zhí)行對于所述后續(xù)幀的對象檢測。還描述了一種用于跟蹤對象的計算機(jī)程序產(chǎn)品。所述計算機(jī)程序產(chǎn)品包含具有指令的非暫時性有形計算機(jī)可讀媒體。所述指令包含用于使電子裝置檢測初始幀中的對象位置以產(chǎn)生檢測的對象位置的代碼。所述指令還包含用于使所述電子裝置基于所述檢測的對象位置或預(yù)測的對象位置測量一或多個特征點位置的代碼。所述指令進(jìn)一步包含用于使所述電子裝置基于所述一或多個特征點位置預(yù)測后續(xù)幀中的所述對象位置的代碼。所述指令另外包含用于使所述電子裝置確定是否失去對象跟蹤的代碼。所述指令還包含用于使所述電子裝置在維持對象跟蹤的情況下避免執(zhí)行針對所述后續(xù)幀的對象檢測的代碼。還描述一種用于跟蹤對象的設(shè)備。所述設(shè)備包含用于檢測初始幀中的對象位置以產(chǎn)生檢測的對象位置的裝置。所述設(shè)備還包含用于基于所述檢測的對象位置測量一或多個特征點位置的裝置。所述設(shè)備進(jìn)一步包含用于基于所述一或多個特征點位置預(yù)測后續(xù)幀中的所述對象位置的裝置。所述設(shè)備另外包含用于確定是否失去對象跟蹤的裝置。所述設(shè)備還包含用于在維持對象跟蹤的情況下避免執(zhí)行針對所述后續(xù)幀的對象檢測的裝置。附圖說明圖1為說明可實施用于跟蹤對象的系統(tǒng)和方法的電子裝置的一個配置的框圖；圖2為說明用于跟蹤對象的方法的一個配置的流程圖；圖3為說明用于跟蹤對象的方法的更具體配置的流程圖；圖4為說明用于跟蹤對象的方法的另一更具體配置的流程圖；圖5為說明用于訓(xùn)練預(yù)測對象位置的方法的一個配置的流程圖；圖6包含說明一組特征點的分布的曲線圖；圖7包含說明特征點運動的三個實例；圖8包含特征點圖；圖9為說明基于從對象檢測器獲得的預(yù)測的對象位置或邊界框的特征點測量的一個實例的圖；圖10為說明用于本文中揭示的系統(tǒng)和方法的驗證的結(jié)果的一個實例的曲線圖；圖11為說明用于本文中揭示的系統(tǒng)和方法的盲測試的結(jié)果的一個實例的曲線圖；圖12包含說明用于跟蹤臉的已知方法的兩個流程圖；圖13為說明可實施用于跟蹤對象的系統(tǒng)和方法的無線通信裝置的一個配置的框圖；圖14說明可包含在電子裝置內(nèi)的某些組件；以及圖15為說明用于訓(xùn)練用于特征點測量的位移模型的方法的一個配置的流程圖。具體實施方式本文中描述用于跟蹤對象的系統(tǒng)和方法。舉例來說，本文中揭示的系統(tǒng)和方法可針對跟蹤一系列圖像中的一或多個對象(例如，視頻、單眼視頻等)而實施。在一些配置中，可經(jīng)由依序采樣濾波器的控制的級聯(lián)執(zhí)行跟蹤。在已知方法中，對象跟蹤機(jī)構(gòu)需要組合對象檢測器與如卡爾曼濾波器、粒子濾波器或平均移位濾波器的跟蹤濾波器以便維持時間平滑度和改善準(zhǔn)確性。這些方法可能需要高的計算需求，因為在多個分辨率和各種姿態(tài)下的對象檢測是花錢非常多的任務(wù)。在一些配置中，依序采樣濾波器的控制的級聯(lián)可用以克服此問題。本文中揭示的系統(tǒng)和方法不需要始終或定期使用對象檢測器。在一些配置中，本文中揭示的系統(tǒng)和方法可通過使用對象檢測器而開始，且接著后來可僅依賴于跟蹤機(jī)構(gòu)(例如，只要不失去跟蹤)。此外，本文中揭示的系統(tǒng)和方法可智能且自動地檢測是否已失去考慮中的對象。在此情況下，跟蹤可使用對象檢測器自動重新初始化，且接著繼續(xù)跟蹤。本文中揭示的系統(tǒng)和方法的一些配置可為自動的，且不需要任何手動干預(yù)。本文中可使用人臉作為實例對象來描述概念中的一些。然而，應(yīng)注意，本文中所揭示的系統(tǒng)和方法可應(yīng)用于其它對象。舉例來說，本文中揭示的系統(tǒng)和方法可應(yīng)用于具有可辨識特征點的結(jié)構(gòu)或圖案的任一對象。本文中也提出分析、比較和測試。本文中揭示的系統(tǒng)和方法可實現(xiàn)特征點跟蹤。特征點為對象或形狀上的位置或點。在一些配置中，可針對特定對象定義一組特征點。舉例來說，用于一或多個臉的一組特征點可包含眼角、虹膜、唇角、鼻角、耳角、面部輪廓點等。應(yīng)注意，可在其它情境中使用本文中揭示的系統(tǒng)和方法。舉例來說，一組特征點可包含在可變形或不可變形形狀或?qū)ο?例如，人臉、全部人體、框、三角形、字母、汽車等)上的一組頂點。在一些配置中，本文中揭示的系統(tǒng)和方法可應(yīng)用于面部跟蹤。假定檢測臉，可針對許多應(yīng)用利用定位對應(yīng)的密集面部特征點。應(yīng)用的實例包含自動聚焦、白平衡、面部辨識、臉變換和/或變形(例如，美化)、針對自身有關(guān)應(yīng)用的臉定向估計、基于模型的視頻譯碼和基于化身的視頻電話等。本文中揭示的系統(tǒng)和方法有利地與已知方法比較。針對面部跟蹤的問題定義描述如下。當(dāng)臉正在圖像(例如，視頻)中移動時，對其強(qiáng)加各種變換。變換可包含全局轉(zhuǎn)化、全局縮放和仿射變換(例如，全局旋轉(zhuǎn)和局部運動或變形)。在使用標(biāo)準(zhǔn)跟蹤方法(例如，粒子濾波器、卡爾曼濾波器等)中的一些跟蹤臉過程中，始終需要使用臉檢測器。這可致使計算成本非常高。此外，在已知方法中輸出的臉檢測器在時間上可能不平滑。用于跟蹤臉的另一已知方法(例如，光流)可必須定期使用臉檢測器。本文中揭示的系統(tǒng)和方法的一些配置可通過依序采樣濾波器的控制的級聯(lián)來解決這些問題。利用控制的依序采樣濾波器的方法可包含預(yù)測、測量和控制的一或多個方面。現(xiàn)在參看圖描述各種配置，其中相似參考數(shù)字可以指示功能上類似的元件。可以廣泛多種不同配置來布置和設(shè)計如本文中在各圖中大體描述和說明的系統(tǒng)和方法。因此，對如各圖中所表示的若干配置的以下更詳細(xì)描述并不希望限制如所主張的范圍，而僅表示系統(tǒng)和方法。圖1為說明可實施用于跟蹤對象的系統(tǒng)和方法的電子裝置102的一個配置的框圖。電子裝置102的實例包含智能手機(jī)、相機(jī)(例如，靜態(tài)相機(jī)、攝像機(jī)等)、計算機(jī)(例如，臺式計算機(jī)、手提電腦等)、平板電腦裝置、蜂窩式電話、電視、游戲系統(tǒng)、電器等。電子裝置102可包含圖像獲得模塊104、對象檢測模塊106、特征點測量模塊108、跟蹤失去確定模塊110和/或?qū)ο箢A(yù)測模塊112?！澳K”可以硬件(例如，電路系統(tǒng))或硬件與軟件的組合(例如，處理器與指令)來實施。模塊104、106、108、110、112中的一或多個可實施于跟蹤器中。圖像獲得模塊104可獲得圖像(例如，數(shù)字圖像)。舉例來說，圖像獲得模塊104可使用一或多個圖像傳感器和/或相機(jī)來捕獲一或多個圖像(例如，視頻)。圖像傳感器和/或相機(jī)可包含于電子裝置102中和/或耦合到電子裝置102。另外或替代地，圖像獲得模塊104可從另一裝置(例如，存儲卡、外部存儲裝置、網(wǎng)絡(luò)相機(jī)、數(shù)碼相機(jī)、智能電話、計算機(jī)、攝像機(jī)等)接收一或多個圖像(例如，視頻)。所述一或多個圖像可為視頻幀。舉例來說，由圖像獲得模塊104獲得的一或多個圖像中的每一圖像可為一連串圖像(例如，視頻)中的幀。電子裝置102可對初始幀執(zhí)行一或多個操作?！俺跏紟笨蔀橐贿B串幀或圖像(例如，視頻)中的初始幀或圖像。對象檢測模塊106可檢測初始幀中的對象位置以產(chǎn)生檢測的對象位置。舉例來說，對象檢測模塊106可確定指示對象的位置和大小的邊界框的位置(例如，中心點)和大小。一些對象檢測器在此項技術(shù)中是已知的。對于臉，實例包含維奧拉-瓊斯(viola-jones)檢測器、omron臉檢測器和其它。對于一般對象檢測器，實例包含像可適于各種對象(例如，人、自行車、汽車等)的可變形部分模型的方法。這些方案可計算在各種圖像位置中的特征描述符(例如，梯度正負(fù)號的直方圖(hsg)、定向梯度的直方圖(hog)、尺度不變特征變換(sift)、加速的穩(wěn)固特征(surf)、梯度位置和定向直方圖(gloh)、詞包bow)等)。這些方案可使用機(jī)器學(xué)習(xí)方法(例如，支持向量機(jī)、增壓、動態(tài)編程等)發(fā)現(xiàn)最可能對應(yīng)于研究中的對象的位置。對于初始幀，特征點測量模塊108可基于檢測的對象位置測量一或多個特征點位置。舉例來說，特征點測量模塊108可確定對應(yīng)于圖像中的對象的一組特征點的位置。在一些配置中，測量一或多個特征點位置可基于由對象檢測模塊106確定的邊界框。舉例來說，在初始幀中或在失去跟蹤的幀中，對象檢測模塊106可確定邊界框。邊界框可用以測量一或多個特征點位置。在一些配置中，在維持跟蹤的幀中(例如，在初始幀后的一或多個幀中)，對象檢測模塊106可不執(zhí)行對象檢測。在此情況下，可基于由(例如)對象預(yù)測模塊112確定的邊界框測量特征點。在一些配置中，跟蹤失去確定模塊110可不針對初始幀確定是否失去對象跟蹤。在初始幀中，例如，可能未失去跟蹤，因為對象檢測正由對象檢測模塊106(例如，對象檢測器)執(zhí)行。電子裝置102可針對一或多個后續(xù)幀(例如，在初始幀后的一或多個幀)執(zhí)行一或多個操作。對象預(yù)測模塊112可基于一或多個特征點位置預(yù)測后續(xù)幀中的對象位置。舉例來說，對象預(yù)測模塊112可確定在時間k的幀中的臉位置(給定其先前特征點位置(例如，在幀k-1中)。在一些配置中，可根據(jù)等式(1)進(jìn)行對象位置預(yù)測。pk＝g(pk-1)+ε＝wt·f(lk-1)+ε(1)如本文中所使用，p為對象位置向量(例如，臉位置向量、臉邊界框的中心等)，l為特征點位置向量，f和g為非線性函數(shù)，ε為過程噪聲，w為權(quán)向量，t表示轉(zhuǎn)置算子，且k為幀號。在一些配置中，對象預(yù)測模塊112可根據(jù)以下來預(yù)測對象位置(例如，臉邊界框)。倘若給定前一幀中的其特征點的估計，目標(biāo)為估計新對象位置(例如，臉位置)。可如在等式(2)中所提供來假定以下非線性速度模型。lk＝f(lk-1)＝lk-1+m(lk-1)·φ(lk-1)·δk+ε(2)如本文中所使用，ε表示過程噪聲，k為時間或幀號，且δk為幀的時間步或數(shù)目(在一些配置中，其可為1)。每一特征點的位移δlk為在特征點處的特征描述符φ(lk-1)乘以m(lk-1)的函數(shù)，其表示從時間k-1到時間k的特征點的速度模型。特征描述符的實例可包含梯度正負(fù)號的直方圖(hsg)、定向梯度的直方圖(hog)、尺度不變特征變換(sift)、霍夫變換、加速的穩(wěn)固特征(surf)、梯度位置和定向直方圖(gloh)等。量m(lk-1)·φ(lk-1)·δk可表示像素中的位移δlk，且量m(lk-1)·φ(lk-1)可表示速度(以像素/時間步δk計)。此表達(dá)式的一個問題為，lk和m(lk-1)可為未知的。對此問題的一個解決方案為，如果假定lk通過注釋的數(shù)據(jù)已知，那么可離線獲悉m(lk-1)。舉例來說，可通過(例如)解決等式(3)在訓(xùn)練期間獲得m(lk-1)。如本文中所使用，γ為預(yù)指派的加權(quán)因數(shù)且||||2表示范數(shù)。應(yīng)注意，可替代地利用具有最小值的其它成本函數(shù)(例如，使用范數(shù)或絕對值替代平方范數(shù)，等)。關(guān)于訓(xùn)練的額外細(xì)節(jié)在以下結(jié)合圖5到8給出。如下給出關(guān)于hsg特征描述符的更多細(xì)節(jié)。如上所述，hsg為可根據(jù)本文中揭示的系統(tǒng)和方法利用的特征描述符的一個實例。hsg的基本理念是在標(biāo)準(zhǔn)正交基礎(chǔ)中使用邊緣組分的正負(fù)號。舉例來說，可計算(例如，使用索貝爾算子、莎麗算子或另一方法)圖像的梯度(例如，圖像幀)。邊緣正負(fù)號組分中的每一個可為正或負(fù)。因此，對于兩個方向邊緣(例如，尺寸)，每個像素存在四個可能性。明確地說，每一維度中的每個像素的梯度可具有正負(fù)號(正“+”或負(fù)“-”)?？梢运膫€不同值來譯碼這些(例如，--譯碼為0，+-譯碼為1，++譯碼為2，且-+譯碼為3)。在一些配置中，可譯碼額外維度(例如，45度)。特征點測量模塊108可測量一或多個特征點位置(例如，在基于預(yù)測的臉位置的后續(xù)幀中)。在一些配置中，倘若給定預(yù)測的對象位置，特征點測量模塊108可根據(jù)等式(4)測量特征點的新位置。lk＝h(pk)+σ(4)如本文中所使用，h為非線性函數(shù)，且σ為過程噪聲。在一些配置中，可根據(jù)以下來測量一或多個特征點。通過預(yù)測的對象位置(例如，邊界框)，可從平均形狀(ms)開始測量一或多個特征點(例如，面部特征點)?？扇缭诘仁?5)中所提供來假定非線性位移模型。lk＝h(pk)＝lk,ms+u(lk,ms)·φ(lk,ms)+σ(5)如本文中所使用，σ表示過程噪聲，lk,ms為在幀k中的平均形狀(ms)處的特征點位置，且u(lk,ms)為特征點從在預(yù)測的邊界框處的平均形狀位置的位移模型。應(yīng)注意，可進(jìn)行與在針對訓(xùn)練和在線測量的預(yù)測中類似的導(dǎo)出。舉例來說，可如結(jié)合圖15所描述來訓(xùn)練位移模型。在一些配置中，可針對特征點測量來訓(xùn)練位移模型。舉例來說，可基于在當(dāng)前幀(例如，圖像)處的預(yù)測的對象位置(例如，預(yù)測的邊界框位置)或基于在當(dāng)前幀(例如，圖像)處的測量或檢測的對象位置(例如，檢測的邊界框位置)針對特征點測量訓(xùn)練位移模型。測量或檢測的邊界框位置可由對象檢測模塊106(例如，對象檢測器)提供。預(yù)測的邊界框位置可由對象預(yù)測模塊112提供。因此，可通過使用訓(xùn)練的速度模型(例如，來自等式(2))從檢測的對象位置或預(yù)測的對象位置測量特征點。在一些配置中，位移和/或速度模型中的任一個的訓(xùn)練可由電子裝置102執(zhí)行。舉例來說，電子裝置102可包含可與結(jié)合圖1描述的模塊中的一或多個分開或包含于所述模塊中的一或多個內(nèi)的位移模型訓(xùn)練模塊。在一些配置中，可如結(jié)合圖9和15中的一或多個所描述來訓(xùn)練用于特征點測量的位移模型。另外或替代地，電子裝置102可包含可與結(jié)合圖1描述的模塊中的一或多個分開或包含于所述模塊中的一或多個內(nèi)的速度模型訓(xùn)練模塊。在一些配置中，可如結(jié)合圖5所描述來訓(xùn)練用于對象位置預(yù)測的速度模型。跟蹤失去確定模塊110可確定是否失去對象跟蹤。這可通過估計是否失去跟蹤來提供控制的方面。舉例來說，跟蹤失去確定模塊110可確定一或多個特征點位置是否可能對應(yīng)于對象。在一些配置中，跟蹤失去確定模塊110可確定一或多個特征點位置中的一或多個與對應(yīng)于對象的結(jié)構(gòu)的統(tǒng)計模型一致的程度。如果一或多個特征點位置反映與模型一致的低概率，那么跟蹤失去確定模塊110可確定已失去跟蹤。舉例來說，跟蹤失去確定模塊110可確定一致的概率低于概率閾值。在一些配置中，統(tǒng)計模型可基于對應(yīng)于一或多個特征點屬性(例如，特征點的局部運動、形狀動力學(xué)的統(tǒng)計等)的一或多個統(tǒng)計分布。舉例來說，模型可基于全局轉(zhuǎn)化的分布、全局尺度的分布和/或全局旋轉(zhuǎn)的分布。舉例來說，模型可基于對于全局轉(zhuǎn)化假定15％標(biāo)準(zhǔn)差的高斯分布，和對于全局尺度假定5％標(biāo)準(zhǔn)差的高斯分布。在一些實施方案中，如果當(dāng)前幀中的特征點指示大于15％的全局轉(zhuǎn)化和/或大于5％的全局縮放，那么跟蹤失去確定模塊110可確定已失去跟蹤。在維持對象跟蹤(例如，不失去)的情況下，電子裝置102可避免執(zhí)行針對后續(xù)幀的對象檢測。舉例來說，如果維持對象跟蹤，那么電子裝置102(例如，對象檢測模塊106)可不執(zhí)行針對后續(xù)幀的對象檢測。以此方式，舉例來說，當(dāng)維持跟蹤時，可利用對象位置預(yù)測，替代對象位置檢測。此方法可提供改善的準(zhǔn)確性，并伴有良好的效率。在失去跟蹤的情況下，對象檢測模塊106可檢測(例如，重新檢測)對象位置(例如，臉位置)。舉例來說，在失去對象跟蹤的情況下(例如，如果跟蹤失去確定模塊110指示失去對象跟蹤)，那么對象檢測模塊106可檢測后續(xù)幀中的對象位置。與已知方法相比，本文中揭示的系統(tǒng)和方法可提供如下描述的一或多個截然不同的特征。在一些配置中，對象檢測與對象預(yù)測是獨立的。舉例來說，可不針對對象預(yù)測已維持對象跟蹤的幀執(zhí)行對象位置檢測。因此，只要維持對象跟蹤，那么在初始幀后可不執(zhí)行對象檢測。此外，對象檢測可替換針對失去對象跟蹤的幀的對象預(yù)測。舉例來說，對象預(yù)測或?qū)ο髾z測中的僅一個將最終提供用于每一幀中的特征點測量的對象位置(例如，pk)。因此，對象檢測模塊106(例如，臉檢測器)可只在需要時調(diào)用。另一截然不同的特征可為，電子裝置102(例如，跟蹤失去確定模塊110)可檢測是否失去對象跟蹤。另一截然不同的特征可為，特征點可用于對象位置預(yù)測(例如，臉姿態(tài)預(yù)測)。圖2為說明用于跟蹤對象的方法200的一個配置的流程圖。方法200可由電子裝置102執(zhí)行。電子裝置102可檢測202初始幀中的對象位置以產(chǎn)生檢測的對象位置。這可如上結(jié)合圖1所描述來實現(xiàn)。電子裝置102可測量204一或多個特征點位置。這可如上結(jié)合圖1所描述來實現(xiàn)。舉例來說，在初始幀中，電子裝置102可基于檢測的對象位置測量204一或多個特征點位置。舉例來說，在維持對象跟蹤的后續(xù)幀中，電子裝置102可基于預(yù)測的對象位置測量204一或多個特征點位置。舉例來說，在失去對象跟蹤的后續(xù)幀中，電子裝置102可基于檢測的(例如，重新檢測的)對象位置測量204一或多個特征點位置。在一些配置中，特征點位置可在對象的結(jié)構(gòu)內(nèi)。舉例來說，每一特征點位置可與結(jié)構(gòu)(例如，面部結(jié)構(gòu)、形狀等)上的特定點相關(guān)聯(lián)?？深A(yù)定義所述特征點位置的結(jié)構(gòu)。舉例來說，可在起始對象跟蹤前預(yù)定義特定結(jié)構(gòu)(例如，面部結(jié)構(gòu)、形狀等)。具體地說，可在執(zhí)行階段前針對跟蹤預(yù)定義某一結(jié)構(gòu)(例如，面部結(jié)構(gòu)、虹膜、手、框、三角形、圖案等)。電子裝置102可基于一或多個特征點位置預(yù)測206后續(xù)幀中的對象位置。這可如上結(jié)合圖1所描述來實現(xiàn)。舉例來說，電子裝置102可基于特征點位置和和權(quán)向量的非線性函數(shù)來預(yù)測206對象位置(例如，臉位置向量、邊界框等)。預(yù)測206對象位置可基于來自前一幀(例如，k-1)的一或多個特征點位置。電子裝置102可確定208是否失去對象跟蹤。這可如上結(jié)合圖1所描述來實現(xiàn)。確定208是否失去對象跟蹤可基于一或多個特征點位置和/或?qū)ο笪恢妙A(yù)測。舉例來說，電子裝置102可確定一或多個特征點屬性(例如，全局轉(zhuǎn)化、全局尺度、全局旋轉(zhuǎn)等)是否超出一或多個閾值(例如，大于15％的全局轉(zhuǎn)化和/或大于5％的全局縮放)。另外或替代地，電子裝置102(例如，跟蹤失去確定模塊110)可確定預(yù)測的對象位置對應(yīng)于對象的組合概率(例如，基于全局轉(zhuǎn)化、全局尺度和/或全局旋轉(zhuǎn)等)。替代地，舉例來說，可基于預(yù)測的對象位置從測量的特征點確定組合概率。如果組合概率高于(例如，大于或等于)概率閾值，那么電子裝置102(例如，跟蹤失去確定模塊110)可確定維持跟蹤。如果組合概率低于(例如，小于)概率閾值，那么電子裝置102(例如，跟蹤失去確定模塊110)可確定失去跟蹤。在維持對象跟蹤的情況下，電子裝置102可避免210執(zhí)行針對后續(xù)幀的對象檢測。這可如上結(jié)合圖1所描述來實現(xiàn)。舉例來說，在維持對象跟蹤的情況下，電子裝置102可不針對后續(xù)幀執(zhí)行對象檢測。在失去對象跟蹤的情況下，電子裝置102可針對后續(xù)幀檢測(例如，重新檢測)對象位置。因此，只要維持跟蹤，那么電子裝置102可不返回檢測對象位置。換句話說，電子裝置102可不針對任一后續(xù)幀檢測對象位置，除非失去對象跟蹤。應(yīng)注意，可以不同次序執(zhí)行方法200的步驟中的一或多個。舉例來說，在一個配置中，電子裝置102可在對象位置預(yù)測后但在針對一個幀的特征點測量前確定208是否失去對象跟蹤。在另一配置中，電子裝置102可在針對一個幀的特征點測量后確定208是否失去對象跟蹤。在又一配置中，電子裝置102可在對象位置預(yù)測后且在特征點測量后確定208是否失去對象跟蹤。也應(yīng)注意，可在跟蹤期間利用模型。因此，模型可對應(yīng)于對象的結(jié)構(gòu)。舉例來說，對象可具有可模型化的特定結(jié)構(gòu)(例如，面部結(jié)構(gòu)、形狀等)。具體地說，可用彼此之間具有建立的位置關(guān)系的一組特征點來模型化對象結(jié)構(gòu)。在一些配置中，可就一或多個概率分布(例如，一個特征點的位置關(guān)于另一特征點的位置的條件概率)來說而定義位置關(guān)系。在一些配置中，模型可不包含任何硬性約束(例如，主動形狀和/或外觀模型)。可就軟性統(tǒng)計(例如，概率分布)來說而定義模型。在一些配置中，方法200可對單個圖像序列(例如，一個視頻)操作。在一些實例中，方法200可在單個圖像序列時對一個幀操作。舉例來說，每次只對一個幀，可檢測202對象位置，可測量204特征點位置，可預(yù)測206對象位置，和/或可確定208是否失去對象跟蹤。在一些配置中，方法200可包含針對從前一幀的特征點的對象位置預(yù)測和/或針對跟蹤訓(xùn)練速度模型。在一些方法中，可離線(例如，在執(zhí)行階段前)執(zhí)行所述訓(xùn)練。在一些配置中，方法200可包含基于當(dāng)前幀處的預(yù)測的邊界框位置或來自當(dāng)前幀處的檢測的邊界框位置訓(xùn)練用于特征點測量的位移模型。舉例來說，這可結(jié)合圖1所描述來實現(xiàn)。圖3為說明用于跟蹤對象的方法300的更具體配置的流程圖。結(jié)合圖3描述的方法300可為結(jié)合圖2描述的方法200的一個實例。方法300可由電子裝置102執(zhí)行。電子裝置102可檢測302對象位置以產(chǎn)生檢測的對象位置。這可如上關(guān)于圖1到2中的一或多個所描述來實現(xiàn)。在一些配置中，電子裝置102可針對幀k來檢測對象位置pk。電子裝置102可測量304一或多個特征點位置。此可如上結(jié)合圖1到2中的一或多個所描述來實現(xiàn)。舉例來說，在初始幀中，電子裝置102可基于針對初始幀的檢測的對象位置(例如，邊界框)來測量304一或多個特征點位置。在維持對象跟蹤的后續(xù)幀(例如，在初始幀后的任一幀)中，舉例來說，電子裝置102可基于預(yù)測的對象位置測量304一或多個特征點位置。在失去對象跟蹤的后續(xù)幀中，舉例來說，電子裝置102可基于檢測的(例如，重新檢測的)對象位置測量304一或多個特征點位置。電子裝置102可確定306是否失去對象跟蹤。這可如上結(jié)合圖1所描述來實現(xiàn)。舉例來說，電子裝置102可基于一或多個特征點位置確定306是否失去對象跟蹤。舉例來說，電子裝置102可基于如上結(jié)合圖1到2中的一或多個描述的一或多個特征點屬性(例如，全局轉(zhuǎn)化、全局尺度、全局旋轉(zhuǎn)等)來確定306是否失去對象跟蹤。應(yīng)注意，在一些配置中，對于初始幀和/或?qū)τ谝褕?zhí)行對象檢測的幀，可跳過(例如，不執(zhí)行)確定306是否失去對象跟蹤。在維持對象跟蹤(例如，未失去對象跟蹤)的情況下，電子裝置102可針對后續(xù)幀避免執(zhí)行對象檢測。如在圖3中的配置中所說明，電子裝置102可基于一或多個特征點位置預(yù)測308后續(xù)幀中的對象位置。這可如上結(jié)合圖1到2中的一或多個所描述來實現(xiàn)。舉例來說，電子裝置102可基于特征點位置和權(quán)向量的非線性函數(shù)來預(yù)測308對象位置(例如，臉位置向量、邊界框等)。電子裝置102可返回測量304一或多個特征點位置(對于后續(xù)幀)，而不返回檢測302對象位置。因此，只要維持跟蹤，那么電子裝置102可不返回檢測302對象位置。換句話說，電子裝置102可不針對任一后續(xù)幀檢測對象位置，除非失去對象跟蹤。在一些配置中，在確定維持對象跟蹤后，幀可遞增(例如，k＝k+1)。因此，預(yù)測308后續(xù)幀中的對象位置(例如，后續(xù)幀k的對象位置pk)可基于一或多個特征點位置lk-1。在失去對象跟蹤的情況下，電子裝置102可返回檢測302(例如，重新檢測)對于后續(xù)幀的對象位置。圖4為說明用于跟蹤對象的方法400的另一更具體配置的流程圖。結(jié)合圖4描述的方法400可為結(jié)合圖2描述的方法200的一個實例。方法400可由電子裝置102執(zhí)行。電子裝置102可檢測402對象位置以產(chǎn)生檢測的對象位置。這可如上結(jié)合圖1到2中的一或多個所描述來實現(xiàn)。電子裝置102可測量404一或多個特征點位置。這可如上結(jié)合圖1到2中的一或多個所描述來實現(xiàn)。在初始幀中，舉例來說，電子裝置102可基于針對初始幀的檢測的對象位置測量404一或多個特征點位置。舉例來說，在維持對象跟蹤的后續(xù)幀(例如，在初始幀后的任一幀)中，電子裝置102可基于預(yù)測的對象位置測量404一或多個特征點位置。在失去對象跟蹤的后續(xù)幀中，舉例來說，電子裝置102可基于檢測的(例如，重新檢測的)對象位置測量404一或多個特征點位置。在一些配置中，在測量404一或多個特征點位置后(且在(例如)預(yù)測406對象位置前)，方法400可前進(jìn)到下一幀(例如，k＝k+1)。如在圖4中的配置中所說明，電子裝置102可基于一或多個特征點位置預(yù)測406后續(xù)幀中的對象位置。這可如上結(jié)合圖1到2中的一或多個所描述來實現(xiàn)。舉例來說，電子裝置102可基于特征點位置和權(quán)向量的非線性函數(shù)來預(yù)測406對象位置(例如，臉位置向量、邊界框等)。電子裝置102可確定408是否失去對象跟蹤。這可如上結(jié)合圖1到2中的一或多個所描述來實現(xiàn)。舉例來說，電子裝置102可基于一或多個特征點位置和/或基于預(yù)測的對象位置(即，例如，基于一或多個特征點位置)來確定408是否失去對象跟蹤。舉例來說，電子裝置102可基于如上結(jié)合圖1到2中的一或多個描述的一或多個特征點屬性(例如，全局轉(zhuǎn)化、全局尺度、全局旋轉(zhuǎn)等)來確定408是否失去對象跟蹤。另外或替代地，電子裝置102可基于預(yù)測的對象位置(例如，邊界框)確定408是否失去對象跟蹤。在維持對象跟蹤(例如，未失去對象跟蹤)的情況下，電子裝置102可針對后續(xù)幀避免執(zhí)行對象檢測。電子裝置102可返回測量404一或多個特征點位置(對于后續(xù)幀)，而不返回檢測402對象位置。因此，只要維持跟蹤，那么電子裝置102可不返回檢測402對象位置。換句話說，電子裝置102可不針對任一后續(xù)幀檢測對象位置，除非失去對象跟蹤。在失去對象跟蹤的情況下，電子裝置102可針對后續(xù)幀返回檢測402(例如，重新檢測)對象位置。在一些配置中，如果失去對象跟蹤，那么電子裝置102可針對同一幀檢測402對象位置。在其它配置中，如果失去對象跟蹤，那么電子裝置102可移動到下一幀(且例如，檢測402針對下一幀的對象位置)。在一些實施方案中，可提供兩個選項。舉例來說，電子裝置102是否檢測402已失去跟蹤的同一幀中的對象位置或電子裝置102是否移動到下一幀(且例如，檢測402針對下一幀的對象位置)可為可調(diào)整或可選擇的(例如，由用戶和/或基于用戶輸入)。應(yīng)注意，如果對象離開所述幀，那么可失去跟蹤。在此情境下，電子裝置102可嘗試使用對象檢測器(例如，對象檢測模塊106)檢測對象(例如，新對象)。這可發(fā)生在一或多個后續(xù)幀中。一旦檢測到對象，那么可重新初始化跟蹤(例如，可針對一或多個后續(xù)幀嘗試對象位置預(yù)測)。應(yīng)注意，在一些配置中，可組合結(jié)合圖3到4描述的方法。舉例來說，在對象位置預(yù)測后和且在特征點測量后，電子裝置102可確定是否失去跟蹤。圖5為說明用于訓(xùn)練預(yù)測對象位置的方法500的一個配置的流程圖。方法500可由電子裝置(例如，結(jié)合圖1描述的電子裝置102)執(zhí)行。方法500可包含針對從前一幀的特征點的對象位置預(yù)測和/或針對跟蹤訓(xùn)練速度模型。舉例來說，方法500可為訓(xùn)練方法以便獲得可用于對象位置預(yù)測(例如，臉邊界框預(yù)測)的速度模型(例如，m(lk-1))和/或權(quán)數(shù)(例如，w)。在一些配置中，方法500和/或其一或多個步驟可包含在結(jié)合圖2描述的方法200中。電子裝置102可產(chǎn)生502初始形狀位置。舉例來說，電子裝置102可產(chǎn)生502初始特征點(例如，)。在一些配置中，電子裝置102可基于特征點位置的一或多個概率分布產(chǎn)生502初始特征點。舉例來說，電子裝置102可利用基于一或多個概率分布(例如，全局轉(zhuǎn)化分布、全局尺度分布和/或局部運動分布)隨機(jī)地產(chǎn)生變形的特征點位置的函數(shù)。在一些配置中，這可如結(jié)合圖6到7所描述來實現(xiàn)。電子裝置102可計算504對象描述符。可基于形狀位置(例如，特征點)來計算504對象描述符。舉例來說，電子裝置102可在每一迭代j計算504對象描述符直到其收斂。對象描述符的一個實例為hsg。對象描述符的其它實例包含hog、sift、霍夫變換、surf和gloh。電子裝置102可解出506速度模型。舉例來說，電子裝置102可解出在一些配置中，可按如上結(jié)合等式(3)所描述的以迭代方式解出506速度模型，直到收斂。在此情況下，對于每一迭代j，可計算速度模型電子裝置102可在每一迭代中更新508特征點。舉例來說，電子裝置102可根據(jù)等式(6)在每一迭代中更新508特征點位置。如本文中所使用，為通過獲得的特征點的位移向量。在一些配置中，位移向量可根據(jù)以上針對對象預(yù)測模塊112的等式(2)獲得。位移向量可根據(jù)以上針對對象測量模塊(例如，特征點測量模塊108)的等式(5)獲得。舉例來說，可根據(jù)本文中揭示的系統(tǒng)和方法執(zhí)行和/或利用兩個形式的訓(xùn)練：一個針對對象位置預(yù)測且一個針對特征點測量。電子裝置102可確定510是否已收斂函數(shù)(例如，對象描述符舉例來說，如果位移向量低于預(yù)定義閾值(例如，小于5％改變)，那么電子裝置102可確定510函數(shù)是否收斂。在函數(shù)尚未收斂的情況下，電子裝置102可針對下一個迭代返回計算504對象描述符(例如，)。舉例來說，可通過更新的特征點來計算504對象描述符(其中將j遞增，例如，j＝j(luò)+1、j++等)。如圖5中所說明，可迭代地計算504對象描述符、解出506速度模型和更新508特征點，直到函數(shù)收斂。在函數(shù)已收斂的情況下，電子裝置102可計算512權(quán)數(shù)(例如，模型權(quán)數(shù)值)。舉例來說，電子裝置102可根據(jù)等式(7)計算權(quán)數(shù)。在等式(7)中，表示估計的特征點lk與在訓(xùn)練過程中使用的注釋值的標(biāo)準(zhǔn)差函數(shù)。在如結(jié)合圖1到4中的一或多個所描述的對象位置預(yù)測中，可應(yīng)用速度模型的集合(例如，)和/或權(quán)數(shù)(例如，w)。在一些配置中，結(jié)合圖1描述的電子裝置102可執(zhí)行方法500。在其它配置中，單獨的電子裝置(例如，計算機(jī))可執(zhí)行方法500和/或可將訓(xùn)練結(jié)果(例如，速度模型的集合和/或權(quán)數(shù)w)提供到電子裝置102。在一些配置中，可“離線”執(zhí)行方法500(例如，在執(zhí)行結(jié)合圖2到4描述的方法200、300、400中的一或多個前，在執(zhí)行階段前，等)。圖6包含說明一組特征點的分布的曲線圖。特征點的集合的分布還可被稱作形狀動力學(xué)的軟統(tǒng)計。以寬度616和高度614(其可涉及例如像素、英寸、毫米等的單位)來說明曲線圖。所述曲線圖提供訓(xùn)練中每一特征點的對象局部運動初始化的實例(例如，每一特征點相對于對象的其它特征點的移動可能性)。舉例來說，對象(例如，臉)運動初始化可包含全局轉(zhuǎn)化、全局尺度和/或由圖6指定的每一特征點的條件局部運動。具體地說，曲線圖中說明的點的每一群組說明可在圖像的序列(例如，視頻)中發(fā)生的特征點(對應(yīng)于面部結(jié)構(gòu))的局部運動(例如，統(tǒng)計變化)。舉例來說，在曲線圖的左上部分上說明的點618的群組(說明為三角形)說明對應(yīng)于耳朵與臉的頂部相交的特征點的局部運動。其它符號群組(例如，圓、星號、三角形、倒置三角形、菱形、星形和正方形)表示其它特征點的分布。在一些配置中，可將特征點的全局轉(zhuǎn)化模型化為高斯分布(例如，具有15％標(biāo)準(zhǔn)差)?？蓪⑻卣鼽c的全局尺度模型化為高斯分布(例如，具有5％標(biāo)準(zhǔn)差)。特征點的局部運動可用如圖6中所說明的形狀的動力學(xué)的統(tǒng)計來特性化。明確地說，可根據(jù)本文中揭示的系統(tǒng)和方法來利用基于軟統(tǒng)計的模型。模型可反映對應(yīng)于結(jié)構(gòu)(例如，面部結(jié)構(gòu)、形狀等)的變形的特征點的局部運動的統(tǒng)計分布。舉例來說，圖6中說明的點的群組中的每一個提供關(guān)于彼此的條件概率分布。這與假定像主動形狀和/或外觀模型的硬性約束的已知方法截然不同。特征點中的每一個的概率分布(例如，標(biāo)準(zhǔn)差和/或條件分布)可用以產(chǎn)生形狀變形(例如，使用蒙特卡洛分析)。舉例來說，基于概率分布的功能可用以使特征點隨機(jī)地變形。圖7包含說明特征點運動的三個實例720a到c。明確地說，圖7說明用于訓(xùn)練的對象(例如，臉)運動初始化的一個方法。在實例720a到c中的每一個中，圓點說明對于一組特征點的(例如，)的注釋的實測數(shù)據(jù)。在實例720a到c中的每一個中，菱形點說明基于特征點的概率分布(例如，如結(jié)合圖6所描述)產(chǎn)生的一組特征點的不同形狀位置。在實例a720a中，可觀測到，特征點位置在對應(yīng)的實測數(shù)據(jù)特征點左下方。在實例b720b中，可觀測到，特征點位置在對應(yīng)的實測數(shù)據(jù)特征點右上方。在實例c720c中，可觀測到，特征點位置在對應(yīng)的實測數(shù)據(jù)特征點左邊。這些特征點位置可通過基于以上描述的特征點的概率分布使特征點隨機(jī)地變形的函數(shù)來產(chǎn)生。此外，可觀測到，在實例720a到c中任一個中，根據(jù)圖6中展示的軟統(tǒng)計，形狀不僅已移位，而且已變形。圖8包含特征點圖824。明確地說，圖8提供面部結(jié)構(gòu)上的特征點825a-h、827a-j、829a-i、831a-f、833a-g的實例。在一些配置中，臉邊界框的預(yù)測可如下實現(xiàn)。對于在線特征點預(yù)測器且假定n次訓(xùn)練迭代，可如在等式(8)中所說明來表達(dá)在每一幀的特征點預(yù)測?？筛鶕?jù)等式(9)到(10)來確定臉邊界框位置pk和長度sk。如本文中所使用，xp可為在第一維度中(例如，在水平維度中)的像素位置，yp可為在第二維度中(例如，在垂直維度中)的像素位置。應(yīng)注意，可從每一特征點的訓(xùn)練誤差的分布(例如，如上所述)來估計w。特征點圖824說明對應(yīng)于面部結(jié)構(gòu)的一組特征點825a-h、827a-j、829a-i、831a-f、833a-g。舉例來說，一組特征點可包含對應(yīng)于眉毛的一或多個特征點825a到h、對應(yīng)于眼睛的一或多個特征點827a到j(luò)、對應(yīng)于鼻子的一或多個特征點829a到i、對應(yīng)于嘴唇/嘴的一或多個特征點831a到f和/或?qū)?yīng)于面部輪廓(例如，臉頰、下巴、耳朵等)的一或多個特征點833a到g。舉例來說，一個特征點833a對應(yīng)于在特征點圖824的左側(cè)上的耳朵與臉之間的上部相交。應(yīng)注意，每一特征點可具有相關(guān)聯(lián)的權(quán)數(shù)(例如，正規(guī)化權(quán)數(shù))。在一些配置中，輪廓特征點833a到g(例如，在面部結(jié)構(gòu)的外圍上的特征點833a到g)可最不可靠，且因此可與最低權(quán)數(shù)相關(guān)聯(lián)。應(yīng)注意，雖然圖8說明特征點的一個實例，但根據(jù)本文中揭示的系統(tǒng)和方法，可利用更少、更多和/或不同的特征點。圖9為說明基于從對象檢測器獲得的預(yù)測的對象位置或邊界框的特征點測量的一個實例的圖。明確地說，圖9說明基于預(yù)測的邊界框測量臉上的特征點的一個實例。如上結(jié)合圖1(例如，等式(5))所描述，可從平均形狀932開始測量面部特征點。具體地說，針對一組特征點的平均形狀932在圖像a930a中說明于邊界框934a中。以上結(jié)合等式(5)描述的非線性位移模型可用于特征點測量。如在圖像b930b中所說明，測量對應(yīng)于臉上的正確位置的特征點936。邊界框934b也說明于圖像b930b中。圖10為說明用于本文中揭示的系統(tǒng)和方法的驗證的結(jié)果的一個實例的曲線圖。具體地說，曲線圖說明根據(jù)本文中揭示的系統(tǒng)和方法的跟蹤器1042的累加誤差分布。所述曲線圖的垂直軸表示數(shù)據(jù)比例1038，且水平軸表示按256乘256臉比例(例如，以像素計)計算的以像素計的均方根誤差(rmse)1040。跟蹤器1042的準(zhǔn)確性可超過其它方法的準(zhǔn)確性。在此實例中，使用注釋的訓(xùn)練圖像上的2倍交叉驗證來獲得結(jié)果。關(guān)于速度，舉例來說，本文中揭示的系統(tǒng)和方法的一個實例在c實施方案(具有2.6千兆赫(ghz)處理器和8千兆字節(jié)(gb)的隨機(jī)存取存儲器(ram))中平均采用每個臉大致20毫秒(ms)。在此實例中，將六個迭代用于預(yù)測，且將四個迭代用于測量。圖11為說明用于本文中揭示的系統(tǒng)和方法的盲測試的結(jié)果的一個實例的曲線圖。具體地說，所述曲線圖說明在線視頻的盲測試的累加分布誤差。所述曲線圖說明根據(jù)本文中揭示的系統(tǒng)和方法的跟蹤器1142的性能。所述曲線圖的垂直軸表示數(shù)據(jù)比例1138，且水平軸表示按256乘256臉比例(例如，以像素計)計算的以像素計的rmse1140(例如，12個特征點的像素)。跟蹤器1142的準(zhǔn)確性可超過其它方法的準(zhǔn)確性。換句話說，與其它方法相比，跟蹤器1142展現(xiàn)更好的準(zhǔn)確性。在此實例中，用于測試的平臺是具有8gb的ram的2.6ghz處理器。表(1)提供就錯過的幀的時間和數(shù)目來說的跟蹤器性能的實例。時間(ms)8407中錯過的幀的數(shù)目跟蹤器19.711(0.13％)表(1)與已知方法相比，本文中揭示的系統(tǒng)和方法的一或多個有區(qū)別的(例如，新穎)特征如下給出。本文中揭示的系統(tǒng)和方法可不利用關(guān)于對象(例如，對象模型、臉)的硬性約束。本文中揭示的系統(tǒng)和方法可不利用關(guān)于特征點的運動的硬性約束。舉例來說，一些已知方法假定硬性約束，例如，主動形狀和/或外觀模型?？蓱?yīng)用本文中揭示的系統(tǒng)和方法來檢測失去跟蹤的時間。根據(jù)本文中揭示的系統(tǒng)和方法，可只在需要時(例如，只當(dāng)失去跟蹤時)利用(例如，調(diào)用)對象檢測器。根據(jù)本文中揭示的系統(tǒng)和方法，對象位置預(yù)測(例如，臉姿態(tài)預(yù)測)可獨立于對象位置檢測(例如，臉檢測)。本文中揭示的系統(tǒng)和方法的一些配置在嵌入式系統(tǒng)上實施或?qū)崿F(xiàn)可為廉價的。在一些配置中，本文中揭示的系統(tǒng)和方法可利用hsg描述符，其可比sift小一倍。關(guān)于速度，當(dāng)以c編程語言來實施時，本文中揭示的系統(tǒng)和方法的一個實施方案采用20毫秒/臉。舉例來說，這可允許在筆記本電腦上大于50個臉/秒的跟蹤。關(guān)于準(zhǔn)確性，本文中揭示的系統(tǒng)和方法可勝過已知方法。舉例來說，在本文中揭示的系統(tǒng)和方法的一個實例中，60％的數(shù)據(jù)具有≤4個像素的平均rmse。在已知方法中，僅40％的數(shù)據(jù)具有≤4個像素的平均rmse。圖12包含說明用于跟蹤臉的已知方法1200a到b的兩個流程圖。比較起來，本文中揭示的系統(tǒng)和方法與這些已知方法1200a到b截然不同。在第一已知方法1200a中，檢測1202a臉位置。接著，應(yīng)用1204a跟蹤濾波器(例如，粒子濾波器、卡爾曼濾波器、平均移位濾波器等)。接著，測量1206a特征點。如第一已知方法1200a中所說明，必須在每一幀檢測臉位置，以用于跟蹤濾波器的應(yīng)用。這與本文中揭示的系統(tǒng)和方法截然不同，在本文中揭示的系統(tǒng)和方法中，在維持跟蹤的情況下，不在幀中檢測對象位置。在第二已知方法1200b中，檢測1202b臉位置。接著，經(jīng)由光流跟蹤1204b臉姿態(tài)。接著，測量1206b特征點。如第二已知方法1200b中所說明，必須針對設(shè)定的數(shù)目個幀定期檢測臉位置。這與本文中揭示的系統(tǒng)和方法截然不同，在本文中揭示的系統(tǒng)和方法中，只要維持跟蹤，那么可不檢測對象位置(在初始幀后)。圖13為說明可實施用于跟蹤對象的系統(tǒng)和方法的無線通信裝置1302的一個配置的框圖。圖13中說明的無線通信裝置1302可為本文所描述的電子裝置中的一或多個的實例。無線通信裝置1302可包含應(yīng)用程序處理器1321。應(yīng)用程序處理器1321通常處理指令(例如，運行程序)以在無線通信裝置1302上執(zhí)行功能。在一些配置中，應(yīng)用程序處理器1321可包含對象跟蹤模塊1392。對象跟蹤模塊1392可包含結(jié)合圖1描述的模塊中的一或多個和/或可執(zhí)行結(jié)合圖1到9描述的功能、程序或步驟中的一或多個。舉例來說，對象跟蹤模塊1392可實施結(jié)合圖2到5和15中的一或多個描述的方法200、300、400、500、1500中的一或多個。在一些配置中，對象跟蹤模塊1392可與應(yīng)用程序處理器1321分開來實施。應(yīng)用程序處理器1321可耦合到音頻譯碼器/解碼器(編解碼器)1319。音頻編解碼器1319可用于譯碼和/或解碼音頻信號。音頻編解碼器1319可耦合到至少一個揚聲器1311、耳機(jī)1313、輸出插孔1315和/或至少一個麥克風(fēng)1317。揚聲器1311可包含將電或電子信號轉(zhuǎn)換成聲信號的一或多個電聲換能器。舉例來說，揚聲器1311可用以播放音樂或輸出揚聲器電話對話等。耳機(jī)1313可為另一揚聲器或電聲換能器，其可用以向用戶輸出聲信號(例如，語音信號)。舉例來說，可使用耳機(jī)1313，使得僅用戶可可靠地聽到聲信號。輸出插孔1315可用于將其它裝置(例如，頭戴式耳機(jī))耦合到無線通信裝置1302以用于輸出音頻。揚聲器1311、耳機(jī)1313和/或輸出插孔1315可通常用于從音頻編解碼器1319輸出音頻信號。至少一個麥克風(fēng)1317可為將聲信號(例如，用戶的話語)轉(zhuǎn)換成提供到音頻編解碼器1319的電或電子信號的聲電換能器。應(yīng)用程序處理器1321也可耦合到電力管理電路1394。電力管理電路1394的一個實例為電力管理集成電路(pmic)，其可用以管理無線通信裝置1302的電力消耗。電力管理電路1394可耦合到電池1396。電池1396可通常將電力提供到無線通信裝置1302。舉例來說，電池1396和/或電力管理電路1394可耦合到無線通信裝置1302中包含的元件中的至少一個。應(yīng)用程序處理器1321可耦合到至少一個輸入裝置1398以用于接收輸入。輸入裝置1398的實例包含紅外傳感器、圖像傳感器、加速度計、觸摸傳感器、小鍵盤等。輸入裝置1398可允許與無線通信裝置1302的用戶交互。應(yīng)用程序處理器1321也可耦合到一或多個輸出裝置1301。輸出裝置1301的實例包含打印機(jī)、投影儀、屏幕、觸感裝置等。輸出裝置1301可允許無線通信裝置1302產(chǎn)生可由用戶體驗的輸出。應(yīng)用程序處理器1321可耦合到應(yīng)用程序存儲器1303。應(yīng)用程序存儲器1303可為能夠存儲電子信息的任一電子裝置。應(yīng)用程序存儲器1303的實例包含雙數(shù)據(jù)速率同步動態(tài)隨機(jī)存取存儲器(ddram)、同步動態(tài)隨機(jī)存取存儲器(sdram)、快閃存儲器等。應(yīng)用程序存儲器1303可提供用于應(yīng)用程序處理器1321的存儲。舉例來說，應(yīng)用程序存儲器1303可存儲用于在應(yīng)用程序處理器1321上運行的程序的發(fā)揮功能的數(shù)據(jù)和/或指令。應(yīng)用程序處理器1321可耦合到顯示控制器1305，所述顯示控制器又可耦合到顯示器1307。顯示控制器1305可為用以在顯示器1307上產(chǎn)生圖像的硬件塊。舉例來說，顯示控制器1305可將來自應(yīng)用程序處理器1321的指令和/或數(shù)據(jù)轉(zhuǎn)譯成可在顯示器1307上呈現(xiàn)的圖像。顯示器1307的實例包含液晶顯示器(lcd)面板、發(fā)光二極管(led)面板、陰極射線管(crt)顯示器、等離子顯示器等。應(yīng)用程序處理器1321可耦合到基帶處理器1323?；鶐幚砥?323通常處理通信信號。舉例來說，基帶處理器1323可解調(diào)制和/或解碼接收的信號。另外或替代地，基帶處理器1323可在準(zhǔn)備發(fā)射時編碼和/或調(diào)制信號。基帶處理器1323可耦合到基帶存儲器1309?；鶐Т鎯ζ?309可為能夠存儲電子信息的任一電子裝置，例如，sdram、ddram、快閃存儲器等?；鶐幚砥?323可讀取來自基帶存儲器1309的信息(例如，指令和/或數(shù)據(jù))和/或?qū)⑿盘枌懭氲剿龌鶐Т鎯ζ?。另外或替代地，基帶處理?323可使用存儲于基帶存儲器1309中的指令和/或數(shù)據(jù)來執(zhí)行通信操作?；鶐幚砥?323可耦合到射頻(rf)收發(fā)器1325。rf收發(fā)器1325可耦合到功率放大器1327和一或多個天線1329。rf收發(fā)器1325可發(fā)射和/或接收射頻信號。舉例來說，rf收發(fā)器1325可使用功率放大器1327和至少一個天線1329發(fā)射rf信號。rf收發(fā)器1325也可使用一或多個天線1329接收rf信號。圖14說明可包含于電子裝置1402內(nèi)的某些組件。結(jié)合圖14描述的電子裝置1402可為本文中描述的電子裝置中的一或多個的實例和/或可根據(jù)本文中描述電子裝置中的一或多個實施。電子裝置1402包含處理器1447。處理器1447可為通用單或多芯片微處理器(例如，arm)、專用微處理器(例如，數(shù)字信號處理器(dsp))、微控制器、可編程門陣列等。處理器1447可被稱作中央處理單元(cpu)。盡管在圖14的電子裝置1402中只展示了單個處理器1447，但在替代配置中，可使用處理器的組合(例如，arm與dsp)。電子裝置1402還包含與處理器1447電子通信的存儲器1431(即，處理器1447可以從存儲器1431讀取信息和/或?qū)⑿畔懭氲酱鎯ζ?431)。存儲器1431可為能夠存儲電子信息的任一電子組件。存儲器1431可為隨機(jī)存取存儲器(ram)、只讀存儲器(rom)、磁盤存儲媒體、光學(xué)存儲媒體、ram中的快閃存儲器裝置、與處理器包含在一起的機(jī)載存儲器、可編程只讀存儲器(prom)、可擦除可編程只讀存儲器(eprom)、電可擦除prom(eeprom)、寄存器等等，包含其組合。數(shù)據(jù)1433和指令1435可存儲在存儲器1431中。指令1435可包含一或多個程序、例程、子例程、函數(shù)、程序、代碼等。指令1435可包括單個計算機(jī)可讀語句或許多計算機(jī)可讀語句。指令1435可以可由處理器1447執(zhí)行，以實施本文所描述的方法中的一或多個。實行指令1435可涉及存儲于存儲器1431中的數(shù)據(jù)1433的使用。圖14展示一些指令1435a和數(shù)據(jù)1433a被加載到處理器1447內(nèi)。電子裝置1402還可包含發(fā)射器1443和接收器1445以允許信號在電子裝置1402與遠(yuǎn)程位置(例如，無線通信裝置、基地臺等)之間的發(fā)射和接收。發(fā)射器1443和接收器1445可共同地被稱作收發(fā)器1441。天線1439可電耦合到收發(fā)器1441。電子裝置1402還可包含(未圖示)多個發(fā)射器、多個接收器、多個收發(fā)器和/或多個天線。電子裝置1402的各種組件可由一或多個總線耦合在一起，總線可包含電力總線、控制信號總線、狀態(tài)信號總線、數(shù)據(jù)總線等。為簡單起見，各種總線在圖14中說明為總線系統(tǒng)1437。圖15為說明用于訓(xùn)練用于特征點測量的位移模型的方法1500的一個配置的流程圖。方法1500可由電子裝置(例如，結(jié)合圖1描述的電子裝置102)執(zhí)行。方法1500可包含訓(xùn)練用于特征點測量的位移模型。舉例來說，方法1500可為訓(xùn)練方法以便獲得可用于特征點測量的位移模型(例如，u(lk))和/或權(quán)數(shù)(例如，ω)。在一些配置中，方法1500和/或其一或多個步驟可包含在結(jié)合圖2描述的方法200中。電子裝置102可產(chǎn)生1502初始平均形狀位置。舉例來說，電子裝置102可基于對象位置(例如，邊界框)產(chǎn)生1502平均形狀(例如，lk,ms)。特征點可開始于同一幀內(nèi)的平均形狀。在一些配置中，電子裝置102可基于特征點位置的一或多個概率分布產(chǎn)生1502平均形狀。舉例來說，平均形狀(例如，lk,ms)的初始特征點中的每一個可為對應(yīng)于那個特征點的概率分布的平均(例如，平均值)。平均形狀的一個實例在圖9的圖像a930a中給出。電子裝置102可計算1504對象描述符(例如，φ(lk,ms))。對象描述符可基于特征點位置來計算1504。舉例來說，電子裝置102可計算1504對象描述符φ(lk,ms)，直到其收斂。對象描述符的一個實例為hsg。對象描述符的其它實例包含hog、sift、霍夫變換、surf和gloh。電子裝置102可解出1506位移模型。舉例來說，電子裝置102可解出1506u(lk,ms)。在一些配置中，可以類似于結(jié)合等式(3)針對速度模型給出的方法類似的方式以迭代方式解出1506位移模型，直到收斂。在此情況下，對于每一迭代(例如，i)，可計算位移模型u(lk,ms)。電子裝置102可在每一迭代中更新1508特征點。舉例來說，電子裝置102可根據(jù)等式(11)在每一迭代i中更新1508特征點位置。如本文中所使用，為通過u(lk,ms)·φ(lk,ms)獲得的特征點的位移向量。在一些配置中，可根據(jù)以上針對對象測量模塊(例如，特征點測量模塊108)的等式(5)獲得位移向量。電子裝置102可確定1510是否已收斂函數(shù)(例如，對象描述符φ(lk,ms))。舉例來說，如果位移向量低于預(yù)定義閾值(例如，小于5％改變)，那么電子裝置102可確定1510函數(shù)是否收斂。在函數(shù)尚未收斂的情況下，電子裝置102可針對下一個迭代返回計算1504對象描述符(例如，)。舉例來說，可通過更新的特征點來計算1504對象描述符(其中將i遞增，例如，i＝i+1、i++等)。如圖15中所說明，可迭代地計算1504對象描述符、解出1506位移模型和更新1508特征點，直到函數(shù)收斂。在函數(shù)已收斂的情況下，電子裝置102可計算1512權(quán)數(shù)(例如，模型權(quán)數(shù)值)。舉例來說，電子裝置102可根據(jù)等式(12)計算權(quán)數(shù)。在等式(12)中，表示估計的特征點lk與在訓(xùn)練過程中使用的注釋值的標(biāo)準(zhǔn)差函數(shù)。在如結(jié)合圖1到4中的一或多個所描述的特征點測量中，可應(yīng)用位移模型的集合(例如，)和/或權(quán)數(shù)(例如，ω)。在一些配置中，結(jié)合圖1描述的電子裝置102可執(zhí)行方法1500。在其它配置中，單獨的電子裝置(例如，計算機(jī))可執(zhí)行方法1500和/或可將訓(xùn)練結(jié)果(例如，位移模型的集合和/或權(quán)數(shù)ω)提供到電子裝置102。在一些配置中，可“離線”執(zhí)行方法1500(例如，在執(zhí)行結(jié)合圖2到4描述的方法200、300、400中的一或多個前，在執(zhí)行階段前，等)。在以上描述中，有時已結(jié)合各種術(shù)語使用參考數(shù)字。在術(shù)語結(jié)合參考數(shù)字使用的情況下，這可旨在指代圖中的一或多個中展示的具體元件。在無參考數(shù)字地使用術(shù)語的情況下，這可旨在大體指代所述術(shù)語，而不限于任一特定圖。術(shù)語“確定”涵蓋廣泛多種動作，且因此，“確定”可包含計算、運算、處理、推導(dǎo)、研究、查找(例如，在表、數(shù)據(jù)庫或另一數(shù)據(jù)結(jié)構(gòu)中查找)、確定和類似者。并且，“確定”可包含接收(例如，接收信息)、存取(例如，在存儲器中存取數(shù)據(jù))和類似者。并且，“確定”可包含解析、選擇、挑選、建立和類似者。除非另有明確指定，否則短語“基于”并不意味著“僅基于”。換句話說，短語“基于”描述“僅基于”和“基于至少”兩者。應(yīng)注意，在兼容的情況下，結(jié)合本文中所描述的配置中的任一個所描述的特征、功能、程序、組件、元件、結(jié)構(gòu)等中的一或多個可與結(jié)合本文中所描述的其它配置中的任一個所描述的功能、程序、組件、元件、結(jié)構(gòu)等中的一或多個組合。換句話說，可根據(jù)本文中揭示的系統(tǒng)和方法來實施本文中所描述的功能、程序、組件、元件等的任何兼容組合?？蓪⒈疚闹兴枋龅墓δ茏鳛橐换蚨鄠€指令而存儲在處理器可讀或計算機(jī)可讀媒體上。術(shù)語“計算機(jī)可讀媒體”指可由計算機(jī)或處理器存取的任何可用媒體。作為實例而非限制，此媒體可包括隨機(jī)存取存儲器(ram)、只讀存儲器(rom)、電可擦除可編程只讀存儲器(eeprom)、快閃存儲器、壓縮光盤只讀存儲器(cd-rom)或其它光盤存儲裝置、磁盤存儲裝置或其它磁性存儲裝置，或可用來以指令或數(shù)據(jù)結(jié)構(gòu)的形式存儲所要的程序代碼且可由計算機(jī)存取的任一其它媒體。如本文中所使用，磁盤和光盤包含壓縮光盤(cd)、激光光盤、光學(xué)光盤、數(shù)字多功能光盤(dvd)、軟性磁盤和光盤，其中磁盤通常以磁性方式再現(xiàn)數(shù)據(jù)，而光盤用激光以光學(xué)方式再現(xiàn)數(shù)據(jù)。應(yīng)注意，計算機(jī)可讀媒體可為有形且非暫時性的。術(shù)語“計算機(jī)程序產(chǎn)品”指計算裝置或處理器，結(jié)合可由所述計算裝置或處理器執(zhí)行、處理或計算的代碼或指令(例如，“程序”)。如本文中所使用，術(shù)語“代碼”可指可由計算裝置或處理器執(zhí)行的軟件、指令、代碼或數(shù)據(jù)。還可通過傳輸媒體傳輸軟件或指令。舉例來說，如果使用同軸電纜、光纖電纜、雙絞線、數(shù)字訂戶線路(dsl)或無線技術(shù)(例如，紅外線、無線電和微波)從網(wǎng)站、服務(wù)器或其它遠(yuǎn)程源傳輸軟件，那么同軸電纜、光纖電纜、雙絞線、dsl或無線技術(shù)(例如，紅外線、無線電和微波)包含在傳輸媒體的定義中。本文中所揭示的方法包括用于達(dá)成所描述的方法的一或多個步驟或動作。在不脫離權(quán)利要求書的范圍的情況下，方法步驟和/或動作可彼此互換。換句話說，除非正描述的方法的恰當(dāng)操作需要步驟或動作的具體次序，否則，在不脫離權(quán)利要求書的范圍的情況下，可修改具體步驟和/或動作的次序和/或使用。應(yīng)理解，權(quán)利要求書不限于以上所說明的精確配置和組件。在不脫離權(quán)利要求書的范圍的情況下，可進(jìn)行本文中所描述的系統(tǒng)、方法和設(shè)備的布置、操作和細(xì)節(jié)的各種修改、改變和變化。當(dāng)前第1頁12