最近在看有关将L1范数最小化运用到视频跟踪上的文章，这里是文章和实现代码的下载地址http://www.dabi.temple.edu/~hbling/code_data.htm，有兴趣的同学可以关注一下，并且希望和各位多多交流。
我把它的代码好好看了一下，并且对多组图像做了实验，效果还好。下面是我对其代码的剖析:
第一阶段：模板基底T的初始化
1.手动选定第一个目标模板t1
2.在高斯分布下随机扰动t1角点的坐标，得到其它9个目标模板t2,t3,...,t9
3.通过图像的仿射变换，将十个目标模板从原图像中“拿出”(crop),并缩放为同样大小的十幅目标模板图像(如12*15大小)。具体做法如下：
对每个目标模板，都首先计算出仿射变换参数Ｒ＝[R(1,1), R(1,2), R(2,1), R(2,2), R(1,3), R(2,3)]。然后，输入Ｒ，原图像，和目标模板图像大小，即可通过图像仿射变换处理得到目标模板图像。
４．将每幅目标模板图像都写作向量形式，并作正规化处理，得到最终的初始化Ｔ
第二阶段：粒子样本Ｓ的初始化
１设定粒子样本数为Ｎ（如６００）
２初始化Ｓ为对应ｔ１模板的Ｒ，即每个粒子样本都初始化为对应ｔ１模板的Ｒ
第三阶段：
１．在高斯分布下随机扰动Ｓｔ生成同Ｓｔ具有相同均值与方差的Ｓｔ＋１
２. 对每个粒子样本，输入Ｓｔ＋１中对应的仿射参数，通过图像仿射变换处理得到对应的候选模板图像ｙｔ＋１（ｉ），图像大小等于目标模板图像大小．
３．将每幅候选模板图像都写作向量形式，并作正规化处理
第四阶段：最小误差限
１．求解最小二乘问题（９）
２．算得上限ｑi,并按降序排列之.
第五阶段：解l1最小化问题（11）
- 对qi满足阈值的候选模板yi，用APG方法解（11）,并算出对应的观测概率pi。
- 对qi不满足阈值的候选模板yi，令pi=0
- 选取最大pi对应的系数ci作为要找的目标系数和粒子xi作为要找的目标粒子.
第六阶段 更新
1，检测遮挡并更新(11)中的u
2，更新T
3 通过重采样，更新S。
第七阶段
画出该帧图画的检测结果
End
随后各帧，返回第三阶段,依次处理…
看文章的同时，可以看代码帮助理解文章中的算法和更多的细节。但是对于要做研究的同学，只看懂人家怎么做的还不够，还要更深的理解其中的数学原理，为什么这样做就能产生这一效果，并能预测到若改动一些参数或式子，会产生什么样的效果改变，并通过实验验证之。刚走上这条道，希望技术与科学双丰收，共勉!