1.一种基于支持向量机的粒子滤波联合跟踪方法，其特征在于，包括下列步骤：步骤1：确定首帧的目标位置；

步骤2：基于首帧的目标位置训练得到线性SVM分类器，并定义为第一分类器，同时设置第二分类器，初始值为第一分类器；

将目标位置进行重叠分块处理，得到M个图像块，记为 基于k均值方法对M个向量进行聚类，构建块稀疏模型的k维超完备字典D；

根据公式 且β0≥0，求解参考稀疏系数β0，其中λ表示预设权重；

在目标位置建立初始化粒子集合 其中N为粒子数；

步骤3：读取下一帧，记为第t帧，若t为第二帧，则基于初始化粒子集合，使用目标的运动模型预测粒子的状态，得到第t帧的粒子集合 即候选粒子集合；若t为非第二帧，则基于第t-1帧的跟踪结果，使用目标的运动模型预测粒子的状态，得到第t帧的粒子集合 即候选粒子集合；

步骤4：将候选粒子集合分别输入第一、二分类器，输出各候选粒子与第一、二分类器所表示的最优分类面之间的欧式距离步骤5：将 作为各候选粒子的置信度，取前n个最大置信度的候选粒子执行步骤6；

步骤6：采用滑动窗口对每个候选粒子进行重叠分块，得到M个图像块，记为其中i＝1,2,...,n；

步骤7：根据公式 且βi≥0，求解第t帧的每个候选粒子的稀疏系数βi，其中i＝1,2,...,n；

步骤8：基于候选粒子的稀疏系数βi根据公式 计算每个候选粒子的M维重构误差向量r(yi)，其中i＝1,2,...,n；

将重构误差向量r(yi)的M个元素rim分别与预设阈值δ进行比较，若rim大于δ，则第m个图像块为遮挡块；否则为无遮挡块，其中m＝1,2,...,M；

在稀疏系数βi中，将遮挡块对应的稀疏向量置零，得到第t帧的n个候选粒子的去遮挡稀疏系数 在参考稀疏系数β0中，将n个候选粒子的遮挡块对应的稀疏向量置零，得到去遮挡参考稀疏系数 其中i＝1,2,...,n；

步骤9：根据公式 得到第t帧的n个候选粒子的相似性 将n个候选粒子中的具有最强相似性的候选粒子作为第t帧的跟踪结果，用I表示具有最强相似性的候选粒子的粒子标号。

判断是否达到更新周期，若是，则对第二分类器、参考稀疏信息β0：基于第t-1帧的跟踪结果训练SVM分类器，并将所述SVM分类器作为更新后的第二分类器；

基于第t-1帧的候选粒子I的去遮挡稀疏系数 得到更新后的参考稀疏信息β0：其中μ为预设融合权值，且取值范围是0～1；

重复执行步骤3～9，直到处理完所有视频帧。

2.如权利要求1所述的方法，其特征在于，步骤1中，首帧的目标位置为矩形框的形式，采用人工或基于图像检测法获取首帧的目标位置。

3.如权利要求1或2所述的方法，其特征在于，步骤3中，目标的运动模型采用随机游走模型，即第t帧的粒子状态基于上一帧的粒子状态根据高斯分布采样得到。

4.如权利要求1所述的方法，其特征在于，第二分类器、参考稀疏信息β0的更新周期为5帧。