提出了一种新颖的概率跟踪系统，该系统包括顺序粒子采样器和基于片段的测量模型。 粒子之间的相关性可用来提高采样效率，而不是在通用粒子过滤器中独立生成粒子，尤其是当目标以意外和突然的方式移动时。 我们建议通过动态合并最新的度量并顺序生成粒子来更新提议分布，其中还涉及用户对度量模型的上下文置信度。 此外，将匹配模板划分为不重叠的片段，并且通过学习背景信息，仅动态选择最具区分性的目标区域的子集来测量每个粒子，从而轻松地嵌入模型更新以处理快速的外观变化。 这两个部分是动态融合在一起的，因此系统能够捕获突变