1.一种基于多特征融合的稀疏表示的目标追踪方法,其特征在于包含以下步骤:步骤A,训练核权重;
步骤B,获取观测粒子值;
步骤C,稀疏重构算法求解Θ;
步骤D,利用Θ进行状态估计。
2.根据权利要求1所述的一种基于多特征融合的稀疏表示的目标追踪方法,其特征在于,所述步骤A中训练核权重的步骤为:步骤A1,采用视频第一帧训练核权重wm,所提出的权重训练模型为:步骤A2,用NSGA-Ⅱ算法求解权重训练模型中的Bm,最终的权重计算方法为:
3.根据权利要求1所述的一种基于多特征融合的稀疏表示的目标追踪方法,其特征在于,所述步骤B获取观测粒子值的步骤为:步骤B1,通过粒子滤波器获取当前帧的特征子空间的粒子观测值矩阵构建多任务稀疏表示模型来估计粒子观测矩阵的稀疏表示矩阵,稀疏表示模型如下表示:步骤B2,为优化问题,其改进模型为:
4.根据权利要求1所述的一种基于多特征融合的稀疏表示的目标追踪方法,其特征在于,所述步骤C稀疏重构算法求解Θ的具体步骤为:步骤C1,使用可微函数bu(·)来近似上述模型的l1范数,降低l1和l2,1的混合范数的计算复杂度,问题转换为:步骤C2,使用APG算法来求解。
5.根据权利要求1所述的一种基于多特征融合的稀疏表示的目标追踪方法,其特征在于,所述步骤D利用Θ进行状态估计的具体步骤为:步骤D1,观测可能值 为:
t
步骤D2,更新粒子权重ω为:
步骤D3,最终优化追踪结果为: