1.一种结合特征点匹配的在线目标跟踪方法，其特征在于，包括如下步骤

1)在第一帧图像中计算被跟踪目标I的显著区域，从而获得最佳目标跟踪区域；

2)采用中值流法跟踪和特征点匹配相结合的跟踪器估计最佳目标跟踪区域的尺度变化，并通过层级聚类方法剔除干扰点得到目标最终所在的位置；

3)将跟踪器所估计的尺度变化反馈给检测器，通过缩小检测尺度空间来加快检测器的速度；

在步骤1)中，包括：

1.1)计算显著区域图像块：对I进行8×8无重叠分割，采用基于直方图对比度的方法计算各个图像块的显著性，并提取显著性高的图像块为候选跟踪区域；

1.2)获取最佳跟踪区域：如果1.1)中所获得的图像块少于Thrpatch，Thrpatch为显著性块的个数阈值，则用预设的初始目标框进行跟踪，否则以该初始目标框的中点为中心，以步长为8，并根据跟踪目标的长宽比例向外扩展，计算当前扩展区域所含的显著块的面积与扩展区域总面积的比值Ssaliency，当比值Ssaliency小于Thrscore时停止搜索，Thrscore为当前扩展区域所含的显著块的面积与扩展区域总面积的比值的阈值，此时得到新的跟踪目标框Is，作为最佳目标跟踪区域；

在步骤2)中，包括：

2.1)提取Is目标框两倍范围内的FAST特征点P＝{(l1,f1),(l2,f2),......(ln,fn)}并存储，l1到ln表示所提取的特征点位置，f1到fn表示是所提取特征点的二进制描述子，将FAST特征点划分为待跟踪区域的前景特征点Pfg以及背景特征点Pbg；

2.2)下一帧开始，采用特征点匹配法对上一帧跟踪到的目标框两倍范围内的特征点P进行匹配，通过最近邻距离和次邻近距离的比值θ来确定匹配的有效性，从而得到有效的匹配点，并剔除与背景相匹配的特征点，得到跟踪目标的特征匹配点Mfg，在匹配的同时对前景特征点Pfg进行前后向光流法跟踪，得到误差小于ThrFB的跟踪点Tfg，其中ThrFB为前后向跟踪误差的阈值，取Tfg及Mfg的并集Pfuse，并用中值法估计出目标的尺度s和角度信息φ；

2.3)对跟踪到的前景特征点Pfg进行尺度和角度变换得到新的坐标并采用层级聚类法剔除离群点，并用剔除离群点后剩下的点集Vc估计目标中心位置center，若点集Vc的数量小于前景特征点数的10％，则跟踪失败进入步骤2.4)，否则利用中心位置和尺度s得到目标位置大小，返回步骤2.2)，并用点集Vc作为前景特征点Pfg进行下一帧目标跟踪；

2.4)若跟踪失败，用检测器去初始化跟踪器，对检测器检测到的目标进行特征点提取并与特征点P进行匹配，若匹配数大于待跟踪点的10％，则初始化成功，返回步骤2.2)进行下一帧目标跟踪。

2.如权利要求1所述的一种结合特征点匹配的在线目标跟踪方法，其特征在于，预先根据跟踪目标框大小确定初始尺度，在步骤3)中，所述的缩小检测尺度空间来加快检测器的速度具体是指：存储跟踪器最近十帧的目标尺度变化S＝[s1,s2,s3,s4,s5,s6,s7,s8,s9,s10]；

计算尺度变化S的中值SMed，并计算SMed与初始化尺度间的映射关系,通过映射关系找到对应的网格化尺度sgrid，用检测器对sgrid-6到sgrid+6范围内尺度进行检测；如果跟踪失败，则对当前帧进行全部尺度检测。