1.一种基于重要区域识别和匹配的视频跟踪方法，其特征在于，包括以下步骤：(1)基于最小生成树理论识别初始目标的重要区域，得到目标重要区域并构建目标模板；

(2)识别后续帧目标扩展区域的重要区域，并将该区域作为采样区域进行样本采集；

(3)计算每个样本与目标模版的形状相似度值、颜色相似度值、皮尔逊相关系数值，并对三个值进行加权计算得到样本与目标模版的匹配度；

(4)基于阈值比较方法更新目标模板以支持后续跟踪直至跟踪完成，并以匹配度最高的样本作为最佳样本；

(5)以最佳样本作为跟踪结果输出；

(6)重复步骤(2)到步骤(5)，直到所有帧处理完毕。

2.根据权利要求1所述基于重要区域识别和匹配的视频跟踪方法，其特征在于，所述步骤(1)具体为：(1-1)以初始目标区域为中心，对上下左右四个方向分别扩展k个像素m次，得到总共4m+1个扩展区域；

(1-2)识别扩展区域的重要区域并提取基于4邻域的最大连通区域；

(1-3)计算连通区域与初始目标区域的重合度，

重合度D＝α1×D1+α2×D2，

D1＝|Mh-Nh|+|Mw-Nw|，

其中，α1和α2是权值且α1+α2＝1，D1表示初始目标区域M与连通区域N的对应长宽差绝对值之和，D2表示初始目标区域M中心坐标(Pmx,Pmy)与连通区域N中心坐标(Pnx,Pny)的欧式距离；

(1-4)以重合度最大的连通区域作为一部分，连通区域位置相对应的目标区域作为另一部分构建目标模板；重合度最大的连通区域所对应的扩展区域称为最佳识别区域。

3.根据权利要求1所述基于重要区域识别和匹配的视频跟踪方法，其特征在于，所述步骤(2)中，基于重要区域识别算法构建采样区域并进行采样具体为：(2-1)对步骤(1)中的最佳识别区域进一步扩展h像素并识别重要区域，以识别结果中重要区域的最小外接矩阵区域作为采样区域；

(2-2)平均划分采样区域为m个子区域，从m个子区域中总共随机选取n个坐标点作为样本中心坐标，目标模板的长宽作为样本长宽构建样本；

(2-3)过滤掉样本区域超越越过原图边界的样本，剩下的样本即为可匹配样本。

4.根据权利要求1所述基于重要区域识别和匹配的视频跟踪方法，其特征在于，所述步骤(3)具体为：(3-1)以颜色直方图H(i)＝ni计算样本与目标模板的颜色相似度，i＝0,1,2…k-1，H(i)表示颜色直方图，i表示颜色分量的颜色等级，相当直方图横坐标上的取值，ni是像素落在i所代表颜色区间的个数，k表示最大颜色等级，相当直方图横坐标的最大取值；通过夹角余弦距离计算样本与目标模板的颜色相似度 Ai表示样本颜色直方图i颜色区间的像素个数，Bi表示目标模板颜色直方图i颜色区间的像素个数，n表示颜色区间个数；

(3-2)以重要区域计算样本与目标模板的形状相似度，通过重要区域重合度计算样本与目标模板的形状相似度 S∪表示二值化重要区域的交集面积，S∩表示二值化重要区域的并集面积；

(3-3)以皮尔逊相关系数 计算样本与目标模

板的区域相似度，Amn表示像素矩阵A在(m,n)上的取值， 表示像素矩阵A的均值，Bmn表示像素矩阵B在(m,n)上的取值，表示像素矩阵B的均值；

(3-4)设定三个相似度的权值比重，计算得到样本和目标模板的匹配度D＝β1×Dc+β2×Ds+β3×Dr，以匹配度最高的样本作为最佳样本。

5.根据权利要求1所述基于重要区域识别和匹配的视频跟踪方法，其特征在于，所述步骤(4)具体为：目标模板以更新度C＝γ1×Cf+γ2×Cd作为判断条件进行更新，其中，Cd表示最佳样本与目标模板的匹配度，Cf表示最佳样本与初始目标区域的颜色相似度，通过引入初始目标区域因素，使得目标模板的更新更加准确；假设Ci表示第i帧的更新度，t表示阈值；当Ci-1-Ci