1.一种基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：包括以下步骤：S1：获取首帧图像和当前帧图像，并获取首帧图像的首帧目标区域；

S2：根据首帧图像和首帧目标区域建立正负模板字典A，并根据所述首帧目标区域生成冗余字典D；其中，所述正负模板字典A由正模板矩阵A+和负模板矩阵A-组成；

S3：根据正负模板字典A计算得到稀疏矩阵S，并通过稀疏矩阵S对所述正负模板字典A进行l1最优化处理，得到l1最优化后的正负模板字典A'；其中，正负模板字典A'由l1最优化后的正模板矩阵A'+和l1最优化后的负模板矩阵A'-组成；

S4：从当前帧图像中提取多个图像样本，得到候选图像样本序列X；并通过稀疏矩阵s对候选图像样本序列X进行正则化，得到正则化后的候选图像样本序列X'；

S5：分别计算候选图像样本序列X'与l1最优化后的正模板矩阵A'+和负模板矩阵A'-的重构误差，得到正模板重构误差εf和负模板重构误差εb；并根据正模板重构误差εf和负模板重构误差εb计算得到候选图像样本序列X'中每一图像样本的重构误差判别参数Hc；

S6：对候选图像样本序列X'进行重叠滑动窗口采样，得到包含多个窗口候选图像，并分别将每一窗口候选图像归一化为相应的一候选图像向量yi；再通过冗余字典D对每一候选图像向量yi进行l1最优化处理，生成候选图像直方图对所述首帧目标区域进行重叠滑动窗口采样，得到包含多个窗口目标图像，并分别将每一窗口目标图像归一化为相应的一目标图像向量zi；再通过冗余字典D对所述目标图像向量zi进行l1最优化处理，生成目标图像直方图ψ；

S7：根据冗余字典D分别计算得到每一候选图像向量yi的重构误差ε0，并根据所有候选图像向量的重构误差ε0生成候选图像直方图 的候选图像稀疏直方图根据冗余字典D分别计算得到每一目标图像向量zi的重构误差ε'0，并根据所有目标图像向量的重构误差ε'0生成候选图像直方图ψ的目标图像稀疏直方图ψ'；

S8：根据所述候选图像稀疏直方图 和目标图像稀疏直方图ψ'，计算得到一候选图像稀疏直方图和目标图像稀疏直方图相差最小的样本Lc；

S9：根据所有重构误差判别参数Hc和样本Lc获得当前帧图像的目标跟踪结果。

2.根据权利要求1所述的基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：所述步骤S2中，所述正负模板字典A的建立包括以下步骤：S211：以首帧目标区域为中心随机抽取50个16×16像素的目标图像块，将各目标图像块转换成相应的目标区域向量，并将所有目标区域向量组合形成50×1024的正模板矩阵A+；

S212：于首帧目标区域的周围随机抽取200个16×16像素的背景图像块，将各背景图像块转换成相应的背景区域向量，并将所有背景区域向量组合形成200×1024的负模板矩阵A-；

S213：合并正模板矩阵A+和负模板矩阵A-，得到250×1024的正负模板字典A。

3.根据权利要求1或2所述的基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：所述步骤S2中，通过对首帧目标区域进行K均值聚类，得到36×50的冗余字典D。

4.根据权利要求3所述的基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：所述步骤S3中，通过K稀疏算法求解正负模板字典A的l1最优解，得到稀疏矩阵S，具体包括以下步骤：S31：将求正负模板字典A的广义逆转化成求方阵的逆，即

S32：根据 求得正负模板字典A的广义逆向量，从广义逆向量中获取K个绝对值最大的数值所在的列序号，并将K个列序号组成一非零稀疏系数位置集合I；

S33：根据非零稀疏系数位置集合I，及通过最小二乘法求得由K个非零值的系数稀疏组成的非零稀疏系数值集合s1，即 其中，A为正负模板字典，p为模板系数且取值为+1或-1；当正负模板字典A的取值为正模板矩阵A+时，p的取值为+1；当正负模板字典A的取值为负模板矩阵A-时，p的取值为-1；

S34：根据非零稀疏系数位置集合I和非零稀疏系数值集合s1还原得到稀疏向量s；

S35：构建一个稀疏对角矩阵，并利用稀疏向量s生成稀疏矩阵S，其中，稀疏矩阵S中的Sii满足：

5.根据权利要求4所述的基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：所述步骤S3中，通过稀疏矩阵S对所述正负模板字典A进行l1最优化处理，得到l1最优化后的正负模板字典A'，A'＝S×A。

6.根据权利要求5所述的基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：K的取值为

8。

7.根据权利要求5或6所述的基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：所述步骤S4中，通过粒子滤波器从当前帧图像中提取得到多个图像样本，并将多个图像样本依序排列组成所述候选图像样本序列X；以及，稀疏矩阵S对候选图像样本序列X进行正则化，得到正则化后的候选图像样本序列X'，具体包括以下步骤：步骤S41：通过稀疏矩阵S依次对候选图像样本序列X中的每一图像样本x进行正则化处理，得到正则化后的每一图像样本x'；其中，正则化后的每一图像样本x'＝S×x；

步骤S42：将正则化后的所有图像样本依序排列组成正则化后的候选图像样本序列X'。

8.根据权利要求7所述的基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：所述步骤S5具体包括以下步骤：S51：分别计算候选图像样本序列X'与l1最优化后的正模板矩阵A'+和负模板矩阵A'-的重构误差，正模板重构误差 负模板重构误差 其中，A'+为l1最优化后的正模板矩阵，A'-为l1最优化后的负模板矩阵，α为稀疏矩阵，S52：根据候选图像样本序列X'的正模板重构误差εf和负模板重构误差εb计算得到候选图像样本序列X'中每一图像样本的重构误差判别参数Hc， 其中，σ＝0.001，重构误差判别参数Hc中的c表示候选图像样本序列X'中的第c个图像样本，为候选图像样本序列X'中的第c个图像样本的负模板重构误差， 为候选图像样本序列X'中的第c个图像样本的正模板重构误差；

且/或，所述步骤S6具体包括以下步骤：

S61：通过一个6×6单位的窗口对候选图像样本序列X'进行重叠滑动窗口采样，得到M个窗口候选图像；

S62：分别将每一窗口候选图像归一化为50×1的候选图像向量yi，候选图像向量yi的总数与窗口候选图像的总数相同，都为M；

S63：通过冗余字典D对每一候选图像向量yi进行l1最优化处理，得到每一候选图像向量yi的稀疏矩阵βi；得到的稀疏矩阵βi共有M个，每一稀疏矩阵βi为50×1的矩阵，S64：将所有稀疏矩阵βi依序排列，生成候选图像直方图S65：通过一个6×6单位的窗口对首帧目标区域进行重叠滑动窗口采样，得到M个窗口目标图像；

S66：分别将每一窗口目标图像归一化为50×1的目标图像向量zi，目标图像向量zi的总数与窗口目标图像的总数相同，都为M；

S67：通过冗余字典D对每一目标图像向量zi进行l1最优化处理，得到每一目标图像向量zi的稀疏矩阵γi；得到的稀疏矩阵γi共有M个，每一稀疏矩阵γi为50×1的矩阵，S68：将所有稀疏矩阵γi依序排列，生成目标图像直方图ψ；以及，所述步骤S7具体包括以下步骤：S71：根据冗余字典D分别计算得到每一候选图像向量yi的重构误差ε0，S72：根据步骤S71中计算得到的所有重构误差，选取出重构误差的值大于0.05的候选图像向量；

S73：将候选图像直方图 中对应于由步骤S72中选取得到的候选图像向量的稀疏矩阵置零，生成候选图像稀疏直方图S74：根据冗余字典D分别计算得到每一目标图像向量zi的重构误差ε'0，S75：根据步骤S74中计算得到的所有重构误差，选取出重构误差的值大于0.05的目标图像向量；

S76：将目标图像直方图ψ中对应于由步骤S75中选取得到的目标图像向量的稀疏矩阵置零，生成目标图像稀疏直方图ψ'，ψ'＝[γ1,γ2,…,γM]；

且/或，所述步骤S8中，样本 其中， 为第c个候选图像块的

候选图像稀疏直方图，1≤c≤50×M，ψ'为目标图像稀疏直方图，M为所述步骤S6中通过对候选图像样本序列X'进行重叠滑动窗口采样后得到窗口候选图像的总数；

且/或，所述步骤S9中，当前帧图像的目标跟踪结果的获得具体包括以下步骤：S91：根据所有重构误差判别参数Hc和样本Lc，分别计算得到候选图像样本序列X'中每一图像样本的相似值＝Hc×Lc；

S92：根据由步骤S91求得的所有相似值获得候选图像样本序列X'中每一图像样本的最大后验概率，最大后验概率S93：获取候选图像样本序列X'中最大后验概率的值最大的一图像样本，该图像样本即为所述目标跟踪结果。

9.根据权利要求1或8所述的基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：还包括以下步骤：S10：判断当前帧图像的帧数是否为N的整数倍，是则执行步骤S11，否则执行步骤S12；

S11：通过步骤S2，根据当前帧图像和所述步骤S9中获得的目标跟踪结果建立新的正模板矩阵，并根据新的正模板矩阵更新正负模板字典；同时根据所述目标跟踪结果生成新的冗余字典，并对新的正负模板字典进行l1最优化处理，得到新的稀疏矩阵；然后执行步骤S12；

S12：获取下一帧图像，并返回步骤S4，根据所述步骤S4～S9获得所述下一帧图像的目标跟踪结果。

10.根据权利要求9所述的基于K稀疏的快速鲁棒目标跟踪方法，其特征在于：N的取值为5。