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，添加不同的權重，越接近于真實狀態的粒子，其權重越大；否則，就加的權重小一些。

步驟：

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

（2）預測階段：粒子濾波首先根據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空間中的分布實際是x(t-1)的概率分布了。接下來依據狀態轉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個粒子的權重。越有可能獲得觀測y的粒子，獲得的權重越高。

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

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）過程后，判斷**（measure）哪些粒子接近實際粒子（對候選區進行確認），找權重最大的粒子。用權重最大的粒子+上一幀已知的跟蹤結果=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。

相關資源

論文下載：http://winsty.net/papers/dlt.pdf

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

數據集下載：http://winsty.net/dlt/woman.zip

學習更多編程知識，請關注我的公眾號：

[代碼的路]