1.一种视域重叠的多摄像机目标匹配方法，其特征在于：具体包含如下步骤；

步骤1，根据摄像机1和摄像机2的前n帧信息计算两台摄像机的视野分界线，其中，n取正整数；

步骤2，提取摄像机1视频中的前景目标，根据多特征融合规则将各个前景目标的特征进行融合获得融合后的特征向量；

步骤3，计算摄像机1中各待匹配前景目标在摄像机2中的投影点，确定待匹配目标的可靠区域后，再计算可靠区域内多特征融合向量；

步骤4，计算多特征融合向量的欧式距离，完成视域重叠的多摄像机目标匹配，距离最近且在设定阈值范围内的目标为匹配目标，保存视野分界线参数；

步骤5，更新视野分界线参数，从当前视频帧的前5帧的中选取2组参数，再结合当前帧的视野分界线参数进行线性加权，并对视野分界线模型进行更新；

步骤6，重复步骤2，直至视频结束；

在步骤1中，根据摄像机1和摄像机2的前n帧信息计算两台摄像机的视野分界线的过程具体如下：S11，分别从摄像机1和摄像机2中读取视频1和视频2；

S12，初始化模型：按照下述初始化方法计算当前帧图像的视野分界线参数a1,b1,c1和a2,b2,c2：S121，设两台摄像机中的同一时刻的帧图像为图像1和图像2；

S122，提取图像1和图像2的sift匹配关键点，并利用RANSAC算法进行过滤；

S123，从过滤后的sift匹配关键点对中选取4对空间共面的点对，且任意3点都不共线，设I1和I2为两个独立的投影不变量，则计算如公式如下：其中， 是点 在图i中的坐标，在两幅待匹配的背景图像中，已知图像1中的5个点 计算投影不变量I1,I2；图像1中的 分别对应图像2中的 根据两个投影不变量，计算图像2中第5个点的对应位置；第5个点的坐标计算公式为：其中：

S13，当帧数n<5时，按照步骤S12中的初始化方法直接计算模型参数；当帧数n>＝5时，按照下述更新方法计算模型参数：首先选取两组视频的第1,3,5帧图像，计算视野分界线参数，记第n帧图像视野分界线参数为 和 则当前帧图像视野分界线参数为：公式中λ1，λ2和λ3分别为不同帧参数的加权系数，分别设置为0.2，0.3，0.5；

S14，重复步骤S13。

2.根据权利要求1所述的一种视域重叠的多摄像机目标匹配方法，其特征在于：在步骤

2和步骤3中，采用图像显著性加权的HSV特征和HOG特征描述进行融合特征量。

3.根据权利要求2所述的一种视域重叠的多摄像机目标匹配方法，其特征在于：HOG特征提取具体如下：HOG特征是通过梯度分布来描述图像局部信息，图像先分块，再分解成细胞单元并计算梯度分布直方图，最后把所有的直方图联合起来即为HOG描述子；

具体步骤如下：

(1)Gamma归一化：

为了避免光照、噪声影响，图像先进行Gamma归一化，归一化公式为：I1(x，y)＝loggamma1(I(x，y))gamma2

Inormal(x，y)＝I1(x，y)gamma1取2，gamma2取0.5；

(2)梯度计算具体如下：

Gx(x，y)＝A(x+1，y)‑A(x‑1，y)Gy(x，y)＝A(x，y+1)‑A(x，y‑1)其中，Gx为水平方向梯度，Gy为垂直方向梯度，A(x，y)为像素(x，y)的灰度值，则梯度值G和梯度方向α为：(3)计算各单元梯度分布直方图

将目标图像分解成若干单元cell，并对每个cell计算其梯度分布直方图。