1.一种基于卡尔曼滤波的TLD图像跟踪算法，包括检测模块、跟踪模块、学习模块和综合模块，其特征在于：它包括：S1、获取视频中的第一帧图像，选择待跟踪目标，初始化目标框；

S2、所述检测模块的检测器检测跟踪目标，检测结果传输给综合模块，所述跟踪模块的跟踪器跟踪目标；

S3、所述跟踪模块读取视频图像，逐帧进行处理，判断是否跟踪成功，如果跟踪成功，将跟踪结果传输给综合模块后转到步骤S5，否则转到步骤S4；

S4、利用跟踪失败前一帧输出的目标框的位置和大小初始化卡尔曼滤波器，通过卡尔曼滤波器预测出跟踪目标在下一帧的位置，将预测目标位置传输给综合模块，转到步骤S5；

S5、综合模块将检测模块的检测结果和跟踪模块的跟踪结果进行处理，输出目标位置，综合模块的处理结果、跟踪模块和检测模块的输出结果输入到学习模块，通过学习模块更新检测器和跟踪器。

2.如权利要求1所述的基于卡尔曼滤波的TLD图像跟踪算法，其特征在于：所述步骤S1中设定初始帧跟踪目标的位置和大小。

3.如权利要求1所述的基于卡尔曼滤波的TLD图像跟踪算法，其特征在于：所述跟踪器采用光流法。

4.如权利要求1所述的基于卡尔曼滤波的TLD图像跟踪算法，其特征在于：所述学习模块采用P-N Learning算法。

5.如权利要求1所述的基于卡尔曼滤波的TLD图像跟踪算法，其特征在于：所述步骤S5综合模块首先分别计算跟踪模块的输出结果与样本之间的重叠度TO，检测模块的输出结果与样本之间的重叠度DO，TO不小于DO，以跟踪结果作为综合模块的输出结果，否则以检测结果作为综合模块的输出结果。

6.如权利要求5所述的基于卡尔曼滤波的TLD图像跟踪算法，其特征在于：所述当TO小于DO时，计算跟踪模块的输出结果与样本之间的归一化互相关系数NCC1，检测模块的输出结果与样本之间的归一化互相关系数NCC2，若TO小于0.6，且NCC1大于NCC2，则以检测结果作为综合模块的输出结果，否则以跟踪结果作为综合模块的输出结果。