共计 859 个字符，预计需要花费 3 分钟才能阅读完成。
原文链接
1 粒子滤波（particle filtering）
粒子滤波是对预测粒子进行评估，增加不同的权重，越靠近于实在状态的粒子，其权重越大；否则，就加的权重小一些。
步骤：
（1）初始状态：开始认为 x(0)在全状态空间内均匀散布。而后将所有采样输出状态转移方程，失去预测粒子。
（2）预测阶段：粒子滤波首先依据 x(t-1)的概率分布生成大量的采样，这些采样就称之为粒子。那么这些采样在状态空间中的散布理论是 x(t-1)的概率分布了。接下来根据状态转移方程加上管制量能够对每一粒子失去一个预测粒子。
（3）校对阶段：观测值 y 达到后，利用观测方程即条件概率 P(y|xi)，对所有的粒子进行评估。这个条件概率代表了假如实在状态 x(t)取第 i 个粒子 xi 时取得观测 y 的概率。令这个条件概率为第 i 个粒子的权重。越有可能取得观测 y 的粒子，取得的权重越高。
（4）重采样：依据粒子权重对粒子进行筛选，筛选过程中，既要大量保留权重大的粒子，又要有一小部分权重小的粒子。而这些重采样后的粒子，就代表了实在状态的概率分布。
2 DLT 框架
粒子滤波是实现粒子的随机扰动和扩散（在一帧图像中选出多个候选区）过程后，判断 （measure） 哪些粒子靠近理论粒子（对候选区进行确认），找权重最大的粒子。用权重最大的粒子 + 上一帧已知的跟踪后果 = 实现以后帧跟踪。即DLT 通过粒子滤波 +measure 分类器实现跟踪。
3 measure 分类器
measure 分类器由自编码器和 sigmoid 层造成。自编码器（auto encoder）包含编码局部（encoder）和解码局部（decoder）。
自编码器具体介绍
sigmoid 局部训练次要是为了失去 sigmoid 层与 encoder 层连贯的 200 多个参数。
相干资源
论文下载：http://winsty.net/papers/dlt.pdf
代码下载：http://winsty.net/dlt/DLTcode…
数据集下载：http://winsty.net/dlt/woman.zip
学习更多编程常识，请关注我的公众号：
代码的路
