原文鏈接

1 粒子濾波（particle filtering）

粒子濾波是對預測粒子進行評價，添加不同的權(quán)重，越接近于真實狀態(tài)的粒子，其權(quán)重越大；否則，就加的權(quán)重小一些。

步驟：

（1）初始狀態(tài)：開始認為x(0)在全狀態(tài)空間內(nèi)平均分布。然后將所有采樣輸入狀態(tài)轉(zhuǎn)移方程，得到預測粒子。

（2）預測階段：粒子濾波首先根據(jù)x(t-1)的概率分布生成大量的采樣，這些采樣就稱之為粒子。那么這些采樣在狀態(tài)空間中的分布實際是x(t-1)的概率分布了。接下來依據(jù)狀態(tài)轉(zhuǎn)移方程加上控制量可以對每一粒子得到一個預測粒子。

（3）校正階段：觀測值y到達后，利用觀測方程即條件概率P(y|xi)，對所有的粒子進行評價。這個條件概率代表了假設真實狀態(tài)x(t)取第i個粒子xi時獲得觀測y的概率。令這個條件概率為第i個粒子的權(quán)重。越有可能獲得觀測y的粒子，獲得的權(quán)重越高。

（4）重采樣：根據(jù)粒子權(quán)重對粒子進行篩選，篩選過程中，既要大量保留權(quán)重大的粒子，又要有一小部分權(quán)重小的粒子。而這些重采樣后的粒子，就代表了真實狀態(tài)的概率分布。

2 DLT框架

粒子濾波是完成粒子的隨機擾動和擴散（在一幀圖像中選出多個候選區(qū)）過程后，判斷**（measure）哪些粒子接近實際粒子（對候選區(qū)進行確認），找權(quán)重最大的粒子。用權(quán)重最大的粒子+上一幀已知的跟蹤結(jié)果=完成當前幀跟蹤。即DLT通過粒子濾波+measure分類器完成跟蹤。**

3 measure 分類器

measure分類器由自編碼器和sigmoid層形成。自編碼器（auto encoder）包括編碼部分（encoder）和解碼部分（decoder）。

自編碼器詳細介紹

sigmoid部分訓練主要是為了得到sigmoid層與encoder層連接的200多個參數(shù)。

相關(guān)資源

論文下載：http://winsty.net/papers/dlt.pdf

代碼下載：http://winsty.net/dlt/DLTcode.zip

數(shù)據(jù)集下載：http://winsty.net/dlt/woman.zip

學習更多編程知識，請關(guān)注我的公眾號：

[代碼的路]