1.一种基于后验模板字典学习的目标跟踪方法，其特征在于：

1)在第一帧对目标区域进行初始化，在初始状态周围做1-2个像素的平移，并由此产生对应的目标模板图像，将这些目标模板图像等分成4*4的子块，通过对相应位置子块的随机抽取，重组出一系列新的目标模板图像；

2)在视频后续帧的跟踪过程中，利用粒子滤波器产生一系列目标候选图像，将每个目标候选图像分割成同样大小的4*4的子块，选定目标候选图像的某一个子块，从目标模板图像中的对应子块位置开始，进行局部搜索，获得与目标候选图像子块最为相似的位置，对于目标模板图像中所有子块采用上述的局部搜索策略，多个图像子块之间允许重叠，经过上述局部搜索后，获得新的目标模板字典；

3)利用上述新的目标模板字典，对目标候选图像进行稀疏重构，将目标模板图像和目标候选图像从水平、垂直方向分为4个半图像，在4个半图像模式下进行稀疏重构，获得基于半图像的稀疏系数，在某一个半图像模式下，首先，获得目标候选半图像在目标模板字典下的稀疏重构系数，然后，固定该稀疏重构系数不变，对于一个半图像而言，其包含8个子块，对目标模板模板图像的8个子块进行同时采样，计算目标候选半图像在固定稀疏重构系数下的重构误差，记录重构误差最小的采样位置，并更新目标模板字典，完成4个半图像模式下的模板字典更新后，再重复利用更新后的目标模板字典对目标候选图像进行稀疏重构，重复上述采样过程，直到重构误差不再下降；

4)利用最终的目标模板字典对所有目标候选图像在4个半图像模式下进行稀疏重构，计算重构误差和，将重构误差最小的目标候选图像作为当前帧的目标跟踪结果进行保存；

5)每完成5帧图像的跟踪，对目标模板字典进行更新，将5帧图像所得获得跟踪结果与目标模板字典作为样本，计算所有两个样本对之间的距离，形成一个距离矩阵，对该距离矩阵进行特征分解，计算最大特征值所对应的特征向量，按照特征向量中元素绝对值的大小进行排序，取前若干个元素所对应的样本作为下一帧跟踪的目标模板字典。

2.根据权利要求1所述的基于后验模板字典学习的目标跟踪方法，其特征在于：所述的步骤1)具体为:首先，对第一帧图像中的目标进行初始化，在初始状态周围做1-2个像素的平移，并由此产生对应的目标模板；

其次，将这些目标模板图像等分成4*4的子块，通过对相应位置子块的随机抽取，重组出一系列新的模板D＝[d1,d2,…,dn]，其中第i个模板di的子块表示为di,j，j＝1,2,···,

16。

3.根据权利要求1或2所述的基于后验模板字典学习的目标跟踪方法，其特征在于：所述的步骤1)中，将目标模板图像等分成4*4的子块，相邻子块之间可以有2-3个像素的重叠。

4.根据权利要求1所述的基于后验模板字典学习的目标跟踪方法，其特征在于：所述的步骤2)具体为:首先，利用粒子滤波器产生一系列目标候选图像，将每个目标候选图像分割成同样大小的4*4的子块；

其次，选定目标候选图像的某一个子块，从模板图像中的对应子块位置开始，进行局部搜索，获得与目标候选图像子块最为相似的位置，对于目标模板字典中所有子块采用上述的局部搜索策略，多个图像子块之间允许重叠，经过上述局部搜索后，获得新的目标模板字典。

5.根据权利要求1所述的基于后验模板字典学习的目标跟踪方法，其特征在于：所述的步骤3)具体为:首先，将模板字典图像、目标候选图像在水平、垂直方向分成4个半图像模式，在某个半图像模式下，利用字典对目标候选图像进行稀疏重构，获得基于半图像的稀疏系数；

其次，固定该稀疏重构系数不变，对模板半图像包含的8个子块进行同时采样，计算目标候选半图像在固定稀疏重构系数下的重构误差，记录重构误差最小的采样位置，并更新模板字典；

最后，完成4个半图像模式下的模板字典更新后，再重复利用更新后的字典对目标候选图像进行稀疏重构，重复上述采样过程，直到重构误差不再下降，或者下降幅度非常小。

6.根据权利要求1所述的基于后验模板字典学习的目标跟踪方法，其特征在于：所述的步骤4)具体为:首先，采用步骤3)对每个目标候选图像的后验字典进行学习；

其次，利用最终的目标模板字典对所有目标候选图像在4个半图像模式下进行稀疏重构，计算重构误差和，将重构误差最小的目标候选图像作为当前帧的目标跟踪结果进行保存。

7.根据权利要求1所述的基于后验模板字典学习的目标跟踪方法，其特征在于：所述的步骤5)具体为:首先，将5帧图像所得获得跟踪结果与目标字典模板作为样本，计算所有两个样本对之间的距离，形成一个距离矩阵；

其次，对该距离矩阵进行特征分解，计算最大特征值所对应的特征向量，按照特征向量中元素绝对值的大小进行排序，取前若干个元素所对应的样本作为下一帧跟踪的目标模板字典。