1.多通道核相关滤波的实时跟踪方法，其特征在于：该方法包括：训练阶段：通过岭回归方法对上一帧目标信息进行处理，获得滤波模板；检测阶段：用获得的滤波模板对当前帧的图像进行检测，输出滤波响应；更新阶段：对滤波模板和目标外观进行实时更新；

所述的训练阶段的具体步骤如下：

步骤一：在t时刻的图像It中，在目标位置 处提取目标区域Pt；

步骤二：提取目标区域Pt的HOG特征 并变换到频域，获取原目标区域特征 其中M和N表示原目标区域Pt的大小，L表示特征通道的个数， 表示在频域时原目标区域的每个通道特征， 表示在时域的原目标区域的每个通道特征，R表示实数域，C表示复数域；

步骤三：通过函数 将原目标区域特征Xt映射到高维空间中 将原目标函数的频域形式f(X)＝H*e Xt，转变为 其中符号e表示对应元素的点乘，H*表示滤波模板，Xt表示目标区域特征；将滤波模板H*表示为 则目标函数改写为 其中Wt表示t时刻高维空间中的滤波模板，f(X)表示滤波模板对原目标区域的频域响应，X表示原目标区域频域特征；通过核相关函数计算核相关；

步骤四：利用岭回归最小化 其中第二项为惩罚项，用来抑制模型的过拟合，G为回归目标g的FFT变换，可解得t时刻高维空间中的滤波模板为

2.根据权利要求1所述的多通道核相关滤波的实时跟踪方法，其特征在于：所述训练阶段的步骤二中，提取原目标区域的HOG特征并FFT变换到频域，需要对图像特征进行加窗处理，公式如下：x′mn＝(xmn-0.5)sin(πm/M)sin(πn/N)式中x′mn表示加窗后图像中每个像素；xmn表示加窗处理前图像中每个像素；(m，n)∈{0，…，M-1}×{0，…，N-1}表示每个像素的位置；

经过加窗后可获取原目标区域特征

3.根据权利要求1所述的多通道核相关滤波的实时跟踪方法，其特征在于：所述训练阶段的步骤四中，选择了标准偏差 的高斯函数作为回归目标，即：其中(m′,n′)表示目标位置，(m，n)∈{0，…，M-1}×{0，…，N-1}表示每个像素的位置；

通过代价函数，可解得t时刻高维空间中的滤波模板为

4.根据权利要求1所述的多通道核相关滤波的实时跟踪方法，其特征在于：所述的检测阶段的具体步骤如下：步骤一：在t+1时刻图像It+1中，对应前一帧的目标位置 处提取检测区域Pt+1；

步骤二：提取检测区域Pt+1的HOG特征 并变换到频域，获取新目标区域特征 其中 表示在频域时新目标区域的每个通道特征； 表示在时域时新目标区域的每个通道特征 ；

步骤三：采用训练阶段步骤三的方法，利用线性核函数，计算检测区域的新目标区域特征Zt+1和更新后的目标区域特征Xt+1的核互相关 c表示第几个通道；

步骤四：用更新后的滤波模板Wt+1对核互相关K(Xt+1,Zt+1)进行检测，并输出滤波响应f(Z)＝Wt+1 e K(Xt+1,Zt+1)；

步骤五：对滤波响应进行逆快速傅里叶变换，有y＝F-1(f(Z))＝F-1(Wt+1 e K(Xt+1,Zt+1))，并将输出中的峰值位置 作为目标位置，其中(m,n)为相关输出y中的元素索引。

5.根据权利要求1所述的多通道核相关滤波的实时跟踪方法，其特征在于：所述的更新阶段的具体步骤如下：步骤一：对目标区域特征和滤波模板进行更新，更新方法：Xt+1＝(1-γ)Xt+1+γXt

Wt+1＝(1-γ)Wt+1+γWt

其中，γ表示学习参数；Xt+1表示更新后的目标区域特征；Wt+1表示更新后的滤波模板；

步骤二：输入视频，重复上述训练→检测→更新→训练来实现跟踪，直到视频结束。