[发明专利]一种基于稀疏编码的粒子滤波目标跟踪方法

权利要求书

1.一种基于稀疏编码的粒子滤波目标跟踪方法，其特征在于：包括以下步骤：

S101、建立基于L1-L2约束的联合目标模型；

S102、对于每一粒子，采用岭回归算法求解基于L2约束的稀疏系数，采用FISTA算法求解基于L1约束的琐碎模板的系数，最终得到所有粒子的稀疏系数的极小值和琐碎模板的系数的极小值；

S103、选择残差最小的粒子，并把它作为当前目标的位置；

S104、将选定的残差最小的粒子的结果应用于粒子滤波目标的跟踪框架。

2.根据权利要求1所述的一种基于稀疏编码的粒子滤波目标跟踪方法，其特征在于：所述基于L1-L2约束的联合目标模型为：其中：A为目标字典，y为采集到的候选样本，且I表示琐碎集，a、e分别是字典A和琐碎模板的系数向量，||.||₁、||.||₂分别表示L1、L2范数，λ₁、λ₂是正则化参数。

3.根据权利要求2所述的一种基于稀疏编码的粒子滤波目标跟踪方法，其特征在于：所述稀疏系数为所述琐碎模板的系数为

所述对于每一粒子，采用岭回归算法求解基于L2约束的稀疏系数，采用FISTA算法求解基于L1约束的琐碎模板的系数，最终得到所有粒子的稀疏系数的极小值和琐碎模板的系数的极小值，具体包括：

S1021、给定初始值：e₀＝0，a₀＝0，t₀＝1，L＝1，λ₁＝0.2，λ₂＝0.5×norm(y-Aa_j，inf)；

S1022、求出公共数据：P＝(A′A+λ₁E)^-1A′；

S1023、带入给定的e₀，根据岭回归算法求得a₁：a₁＝P(y-e₀I)；

S1024、根据求得的a_j，再求e_j：e_j＝p_L(y-Aa_j)，其中：

S1025、判断以下关系是否成立：e_j<e_j-1并且a_j<a_j-1，若成立则跳出循环，否则更新为e_j+1： 其中：

S1026、重复步骤S1023、步骤S1024和步骤S1025，直至求出a、e的极小值；

最终得到所有粒子的稀疏系数的极小值aⁱ和琐碎模板的系数的极小值eⁱ，其中：i代表第i个粒子。

4.根据权利要求3所述的一种基于稀疏编码的粒子滤波目标跟踪方法，其特征在于：所述选择残差最小的粒子，并把它作为当前目标的位置，具体包括：

根据残差公式：选择残差最小的粒子，并把它作为当前目标的位置。

5.根据权利要求4所述的一种基于稀疏编码的粒子滤波目标跟踪方法，其特征在于：所述将选定的残差最小的粒子的结果应用于粒子滤波目标的跟踪框架，具体包括：

给定物体的观测值：y_1:t-1＝{y₁，y₂，…，y_t-1}，通过比较，求出最大后验概率来估算t时刻目标状态变量x_t，其中：后验概率p(x_t|y_1:t)可由贝叶斯推理可得：p(x_t|y_1:t)∞p(y_t|x_t)p(x_t|y_1:t-1)，p(x_t|y_1:t-1)＝∫p(x_t|x_t-1)p(x_t-1|y_t-1)dx_t-1；

根据状态转移方程：p(x_t|x_t-1)＝N(x_t,x_t-1,φ)，得到p(x_t|x_t-1)；

再根据观测方程：得到p(y_t|x_t)，最后求出目标t时刻状态的估计值。