1.一种基于懒交互方式的视频跟踪方法，其特征如下，通过使用基于懒交互方式的重采样方法来处理视频跟踪过程中目标变化的问题，实施步骤如下：步骤A：图像初始化，以第一帧图像为模版，对图像进行分块，分块数量为预设值N，N为正整数，计算每个分块的位置和面积，计算每个分块的中心位置与模板中心位置的偏移量，对每个分块进行正负样本的判定，通过KCF算法对每个分块建模；步骤B：通过KCF算法对每个分块进行跟踪；步骤C：根据前一帧的分块信息和KCF跟踪结果，确定每个分块在当前帧的信息，包括：每个分块的置信度值、每个分块在目标对象上的概率值、每个分块出现在某个位置上的概率值，并根据分块的置信度值和在目标对象上的概率值判断是否对该分块进行跟踪；步骤D：计算当前帧每个分块的中心位置和面积；步骤E：计算目标在当前帧的位置和目标框架面积的缩放比例；步骤F：对每个分块进行异常判定，根据分块异常率的阈值，判定是否对异常分块进行重采样；步骤G：采用懒交互方式对异常分块进行重采样，即采用人工交互的方式对需要重采样的分块进行重采样操作；步骤H：计算重采样分块的位置和大小，根据步骤E的目标位置和前一帧的目标大小，对重采样分块进行正负样本的判定；步骤I：重新计算目标在当前帧的位置；步骤J：计算目标区域的面积，并再次计算目标在当前帧的位置和面积；步骤K：如果没有跟踪完所有帧，则对下一帧图像进行跟踪，重复步骤B到步骤J；如果跟踪完所有帧，则结束程序。2.根据权利要求1所述的视频跟踪方法，其特征在于，所述的步骤A具体包括如下步骤：步骤A1：通过分块的中心位置的坐标值与模板的中心位置的坐标值相减得到分块位置的偏移量；步骤A2：如果分块位于标准目标区域里面则为正样本，然后将标准目标区域扩大β倍作为目标搜索区域，当分块位于目标搜索区域内，但不在于标准目标区域里面时则为负样本，β为预设的标准目标区域扩大倍数值。3.根据权利要求2所述的视频跟踪方法，其特征在于，所述的步骤B的KCF算法具体包括如下步骤：步骤B1：通过目标周围的循环矩阵采集正负样本；步骤B2：通过脊回归训练目标检测器将线性空间映射到非线性空间；步骤B3：通过循环矩阵在傅里叶空间可对角化的性质将矩阵的运算转化为向量的哈达玛积，并得出乘积的结果。4.根据权利要求3所述的视频跟踪方法，其特征在于，所述的步骤C具体包括如下步骤：步骤C1：通过函数得到s(X)，其中，R(X)表示响应矩阵，Φ为响应区域，μ和σ分别表示对应的平均值和标准差；将s(X)代入函数pt(zt|xt)＝s(Xtλ)得到每个分块的置信度值，式中λ为平衡系数，pt(zt|xt)为分块在当前帧的置信度值；步骤C2：通过函数为得到l(X) ,其中yt∈

{+1,-1}表示分块xt是正样本还是负样本，Ω+、Ω-分别表示正负样本的集合，N+、N-表示正负样本的数量，||V-V(j)||2表示当前分块所在的位置与在上一帧中所在的位置的距离；将l

(X)代入函数式中μ为平衡系数，po(zt|xt)为分块在目标对象上的概率值；

步骤C3：通过KCF算法，每个分块在循环矩阵的运算过程中，每对应一个位置会得到一个概率值，此概率值则为每个分块出现在某个位置上的概率值；步骤C4：通过函数p(zt|xt)＝pt(zt|xt)po(zt|xt)得到p(zt|xt)，式中pt(zt|xt)为分块在当前帧的置信度值，po(zt|xt)为分块在目标对象上的概率值，p(zt|xt)为分块在当前帧的可靠度值，通过可信度值判断分块是否值得继续跟踪。5.根据权利要求4所述的视频跟踪方法，其特征在于，所述的步骤D具体流程如下：通过步骤C3确定每个分块出现在某个位置上的概率值，将概率值最大的那个位置定义为当前分块在当前帧的位置，面积不变。6.根据权利要求5所述的视频跟踪方法，其特征在于，所述的步骤E具体流程如下：通过步骤A确定的正样本进行霍夫投票算法，目标框架面积的缩放比例通过函数步骤H1：在重采样操作过程中对重采样分块的位置和面积进行确定；步骤H2：通过步骤E确定的目标在当前帧的位置与上一帧的目标面积，对每个重采样分块进行正负样本的判定，判断准则与步骤A一样。9.根据权利要求8所述的视频跟踪方法，其特征在于，所述的步骤I具体流程如下：对目标的最终位置再一次运用霍夫投票算法进行确定，目标的最终位置为：10.根据权利要求9所述的视频跟踪方法，其特征在于，所述的步骤J具体流程如下：通过步骤E中的目标框架面积的缩放比例c t得到在当前帧的目标框架面积为