1.一种融合边缘特征的目标跟踪方法，其特征在于，将R-L分数阶微分边缘检测算子与Laplacian边缘检测算子进行融合，构造出混合边缘检测算子，并利用其实现目标模板及场景图像的边缘特征信息检测；基于目标色度特征和边缘特征两种直方图模型，分别建立场景图像的反向概率投影值，根据背景信息的动态变化，以抑制背景干扰信息为目的，建立自适应融合的反向概率投影图，提高跟踪方法对不确定环境变化信息的鲁棒性。

2.根据权利要求1所述的一种融合边缘特征的目标跟踪方法，其特征在于，边缘检测值采用分数阶微分边缘检测和Laplacian边缘检测加权融合的方式求取，即：e(x，y)＝λe1(x，y)+(1-λ)e2(x，y)    (1)

其中，(x，y)为像素点坐标，e1(x，y)和e2(x，y)分别为采用分数阶微分边缘检测算子和Laplacian边缘检测算子求得的边缘值，e(x，y)为二者加权融合值，λ为加权融合系数。

3.根据权利要求1所述的一种融合边缘特征的目标跟踪方法，其特征在于，将色度和边缘特征分别划分为m个等级，设{(xi，yi)}，i＝1，2，...，s，为目标区的各个像素的位置，s为目标区中所包含的像素点的数量，b1(xi，yi)和b2(xi，yi)分别为(xi，yi)位置处像素所对应的色度和边缘特征等级值，则目标的色度特征直方图模型q1＝{q1u，u＝1，2，...，m}和边缘直方图模型q2＝{q2v，v＝1，2，...，m}分别建立为：函数δ(·)定义为：

其中，t为函数δ(·)的自变量，θ为边缘特征等级阈值，对于低于θ的边缘等级，其边缘特征不明显，即不含有边缘特征信息，因此在建立直方图模型时去掉这部分冗余像素点；设跟踪场景图像中像素点(x，y)的色度特征值为u，边缘特征值为v，则该像素点利用目标的色度直方图模型和边缘直方图模型可分别计算其色度反向投影概率值p1(x，y)和边缘反向投影概率值p2(x，y)为：其中， 为取整操作，将上述两种反向投影概率值进行融合，得到场景图像的综合反向投影概率值p(x，y)：p(x，y)＝γ1p1(x，y)+γ2p2(x，y)    (7)

其中，γ1为色度融合系数，γ2为边缘融合系数。

4.根据权利要求1所述的一种运动目标跟踪方法，其特征在于，将上一帧场景图像中确定出的目标区向四周扩展出一定的区域，称为背景区，设背景区的像素数量为s′，按m个等级分别建立背景区的色度特征直方图模型q′1＝{q′1u，u＝1，2，...，m}和边缘直方图模型q2＝{q′2v，v＝1，2，...，m}为：采用Bhattacharyya系数计算背景区与目标模板的色度特征的相似度系数ρ1以及背景区域目标模板的边缘特征的相似度系数ρ2：则色度融合系数γ1和边缘融合系数γ2可确定为：