[0051]详细地说，存储单元130包括生成模块131、特征获取模块132、目标检测模块133以及调整模块134。生成模块131可在显示单元110中播放有动态图像文件时，在显示单元110上生成兴趣框。其中，上述兴趣框内包括一目标物体。特征获取模块132用以从生成兴趣框时的关键图框中，获得正样本与负样本两者的特征信息。上述所谓正样本表示包括目标物体的区域，而上述负样本表示不包括目标物体的区域。例如，以兴趣框所框选的区域作为正样本，并且从兴趣框以外的区域中取出与兴趣框成比例的区域作为负样本。
[0052]目标检测模块133用以针对关键图框后续的每一个播放图框(当前播放图框)，基于当前播放图框的前一张播放图框及/或先前所获得的多组特征信息，来检测目标物体。并且，在检测到当前播放图框的目标物体后，由特征获取模块132来获得当前播放图框的正样本与负样本两者的特征信息。调整模块134则是基于在每一播放图框(当前播放图框)中所检测到的目标物体，调整兴趣框位于当前播放图框中的位置。
[0053]上述显示单元110例如为液晶显示器(Liquid-Crystal Display, IXD)、电衆显示器、真空萤光显示器、发光二极管(Light-Emitting D1de, LED)显示器、场发射显示器(Field Emiss1n Display, FED)及/或其他合适种类的显示器,在此并不限制其种类。处理单元120例如为中央处理单元(Central Processing Unit, CPU),或是其他可编程的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital SignalProcessor, DSP)、可编程控制器、特殊应用集成电路(Applicat1n Specific IntegratedCircuits, ASIC)、可编程逻辑器件(Programmable Logic Device, PLD)或其他类似装置或这些装置的组合。存储单元130例如是任意形式的固定式或可移动式随机存取存储器(Random Access Memory, RAM)、只读存储器(Read-Only Memory, ROM)、快闪存储器(Flashmemory )、硬盘或其他类似装置或这些装置的组合。
[0054]下面即参照上述电子装置100来详细说明物体跟踪的方法。图2是依照本发明第一实施例的物体跟踪方法流程图。图3A?图3D是依照本发明第一实施例的物体跟踪方法的示意图。
[0055]在图2中，首先，如步骤S205所示，通过生成模块131在显示单元110上生成兴趣框。举例来说，在显示单元110播放有一动态图像文件的情况下，可由使用者通过输入单元(例如滑鼠、轨迹板或触控面板)针对其感兴趣的目标物体，拉出一个兴趣框来框选住目标物体。如图3A所示，假设使用者对动态图像文件中的一人像301的眼睛感兴趣，则利用如滑鼠等输入单元来操作光标302在显示单元110中框选出兴趣框303。
[0056]返回图2，接着，如步骤S210所示，通过特征获取模块132从生成兴趣框时的关键图框(key frame)中，获得正样本(positive sample)与负样本(negative sample)两者的特征信息。其中，正样本内包括目标物体，而负样本内不包括目标物体。例如，生成兴趣框303时的关键图框例如为图3A所示的关键图框300。
[0057]之后，在步骤S215中，通过目标检测模块133针对关键图框后续的各播放图框，基于前一张播放图框及/或先前所获得的多组特征信息，检测目标物体。并且，存储各播放图框的正样本与负样本两者的特征信息。即，逐一针对当前播放图框，通过目标检测模块133来检测目标物体，并存储当前播放图框的特征信息，藉此作为后续播放图框的检测依据。
[0058]在本实施例中，为了节省存储空间，除了存储关键图框的特征信息之外，并不会将后续所有播放图框的特征信息全部存储下来，而是仅存储当前播放图框的前几个播放图框的特征信息。例如，设定为存储关键图框的特征信息以及存储当前播放图框的前5个播放图框的特征信息。而将关键图框视为第I个播放图框，在进行至第N个播放图框的情况下，则存储了第I个播放图框的特征信息、及第N-5个?第N-1个播放图框的特征信息。然而，在其他实施例中，若不考虑存储空间，则除了存储关键图框的特征信息之外，也将后续所有播放图框的特征信息全部存储下来。
[0059]而后，在步骤S220中，调整模块134基于在各播放图框中所检测到的目标物体，调整兴趣框位于播放图框中的位置。举例来说，图3A?图3D所示为动态图像文件的播放图框300、310、320、330，其中播放图框300为关键图框。如图3A?图3D所示，兴趣框303会随着目标物体(即人像301的眼睛)的移动而移动，如图3B所示。并且，在目标物体未出现于显示单元110时，如图3C的播放图框320所示，也不会显示兴趣框303。而在目标物体再一次出现于显示单元110中时，如图3D的播放图框330所示，兴趣框303会随着目标物体的位置来调整其显示位置。
[0060]下面再举例来说明检测目标物体的实施方式。
[0061]第二实施例
[0062]图4是依照本发明第二实施例的物体跟踪方法流程图。下面参照图1的电子装置100来进行说明。请参照图4，在步骤S401中，通过生成模块131在显示单元110上生成兴趣框。接着，在步骤S403中，通过特征获取模块132从生成兴趣框时的关键图框中，获得正样本与负样本两者的特征信息。
[0063]例如，特征获取模块132分别在正样本与负样本选取多组特征点，之后，比对各组特征点的特征参数，而获得各组特征点的比对结果，再依据比对结果来计算特征参数在正样本与负样本中各自的机率。藉此，特征获取模块132便可获得正样本与负样本两者的特征信息。上述特征参数例如为亮度信息或色彩信息。
[0064]举例来说，图5是依照本发明第二实施例的获取特征信息的示意图。在图5中，假设使用者在关键图框500中框选出一兴趣框510来包围目标物体T。为求方便说明，将兴趣框510与目标物体T放大如右方所示的放大示意图520，并且，设定兴趣框510分布有6X6个特征点，以及以特征点A?D来进行说明。在此并不限定特征点的单位为一个像素。
[0065]以正样本(S卩，兴趣框510所框住的区域)而言，在其中选出两组特征点，例如以特征点A、B为一组，并以特征点C、D为一组。另外，以亮度信息作为特征参数。接着，比对各组特征点的亮度信息，而获得如特征点A比特征点B亮，且特征点C比特征点D暗等比对结果。之后，利用如随机蕨(random ferns)演算法来基于上述比对结果计算一机率。
[0066]所谓随机蕨演算法为:假设有3组特征点卿ferns),每组特征点中有M种特征参数，则每一种特征参数如上次所述由两个端点比较其大小，因此共有2~M种可能(可以想象成有2~M个票箱)。在训练(training)时，根据特征参数，每一个正、负样本都可以找到自己的票箱，找到后就在票箱中投下自己的票。在检测时，每一个正、负样本找到自己的票箱后，看票箱中正、负票数的比例，决定自己是正样本或负样