1.一种瞳孔定位及跟踪方法，其特征在于，包括以下步骤：步骤1、采集数据：

利用视频采集传感器采集人脸视频信息；

利用距离传感器采集视频采集传感器与瞳孔之间的距离信息；

步骤2、瞳孔定位：

利用adaboost算法对所采集的人脸视频信息进行人眼的粗略检测，检测出人眼区域；

利用canny算法对人眼区域进行边缘检测，得到瞳孔的边缘；

利用Hough变换检测圆心的方法得到瞳孔中心；

步骤3、基于帧差法和LBP的改进MeanShift算法进行瞳孔跟踪：利用瞳孔定位的结果作为瞳孔跟踪的目标模型，并用LBP算法进行目标建模；

利用帧差法估计出下一帧瞳孔的目标中心；

通过MeanShift算法找到移动后的瞳孔中心在三维坐标系中的X坐标值和Y坐标值；

步骤4、基于所采集的距离信息测量出瞳孔中心在三维坐标系中的Z坐标值；

步骤5、输出瞳孔中心的坐标，并根据瞳孔中心的坐标来调整视频采集传感器的拍摄角度。

2.根据权利要求1所述的瞳孔定位及跟踪方法，其特征在于：所述步骤3中，基于帧差法和LBP的改进MeanShift算法进行瞳孔跟踪的具体方法为：(1)根据瞳孔精确定位算法确定瞳孔目标的初始位置f0 ，根据公式建立目标模型qu，假设图像中一共有n个像素点，用{xi}i＝1…n表示，对区域内的颜色纹理特征空间均匀划分，得到m个相等的区间构成的颜色纹理特征直方图；q为目标模型特征空间，用直方图的形式表示出来；qu为组成目标模型特征空间的元素；K表示核函数，选择Epanechnikov核；bin(xi)表示像素点xi在颜色纹理直方图中所在的区域，δ是阶跃函数；u表示颜色纹理直方图的特征索引；在计算过程中，将R,G,B三个颜色通道的bin分别设为8个，加上纹理的通道的10个bin，m＝8*8*8*10＝5120；

为归一化系数；

(2)在视频运行过程中，对当前帧做如下处理：(2a)根据公式Dk+1(x,y)＝|Fk+1(x,y)-Fk(x,y)|和公式 计算当前帧的差分图像，其中，设第k帧和第k+1帧的图像在坐标(x,y)处的像素值分别为Fk(x,y)和Fk+1(x,y)，第k+1帧表示当前帧,Dk+1(x,y)表示当前帧的差分图像,T为阈值，Rk+1(x,y)为最终得到运动目标的轮廓，为二值图像；

(2b)基于帧差法根据公式 计算当前帧中新的候选目标中心位置f0，其中(xA,yA)为前一帧目标中心，(xB,yB)为运动目标轮廓重心，f0(xC,yC)为新的候选目标中心；

(2c)根据公式 建立目标候选模型pu，其中f为候选目标中心，h表示核函数窗口的大小；

根据公式 计算候选模型与目标模

型之间的相似度ρ(p,q)，其中c为归一化系数；

(2d)根据公式 计算当前区域内各个像素点的权重wi；

(2e)根据新的候选目标中心位置fk+1，重新计算相似度函数ρ(p,q)；

(2f)判断重新计算的相似度是否小于设定的阈值，如是，则停止搜索，目标在当前帧的中心位置即为fk+1；否则跳到第(2d)步，继续迭代计算，直到满足设定的阈值或者超出设定计算迭代次数；

(3)当视频进入新的一帧的时候，跳到第(2)步，对新的一帧视频进行处理，直到视频结束，并输出移动后的瞳孔中心在三维坐标系中的X坐标值和Y坐标值。

3.根据权利要求1或2所述的瞳孔定位及跟踪方法，其特征在于：所述步骤4中，基于该距离信息测量出瞳孔中心在三维坐标系中的Z坐标值的具体方法为：直接将距离传感器测量得到的距离数据作为瞳孔的Z坐标。