1.一种结合背景信息的尺度自适应相关滤波跟踪方法，其特征在于，包括以下步骤：

101、基于前一帧的目标信息，采用正则化最小二乘法分类器利用循环矩阵产生的密集样本训练x和期望输出y优化目标函数求解分类器的权重w，D表示特征维度，xi表示第i个样本，yi表示第i个样本输出，λ表示为正则化参数；

102、利用步骤101训练好的相关滤波分类器预测运动目标得位置，即采取搜索区域内得所有候选目标，计算该区域的候选目标的响应值，响应值最大的候选目标位置作为最佳候选目标；

103、通过设置不同得分辨率构建的尺度池对102步骤获取得最佳候选目标做尺度比较，得到候选目标对应的尺度判别因子SSF；

104、基于尺度判别因子SSF的值而对候选的目标区域采用不同的应对措施，如果SSF的值满足设定条件，将结果背景信息对之前的获得目标再次检测，得到最终的目标尺度信息作为当前帧的跟踪结果；

所述步骤102利用相关滤波分类器作用于当前的跟踪区域，计算该区域的候选目标的响应值，具体包括步骤：B1)以前一帧中检测到的目标中心点为中心，在当前帧中提取和前一帧目标块大小一样的图像块作为基准候选目标,再以其循环移位得到的所有图像块作为候选目标,计算所有候选目标的特征；

B2)根据公式 计算所有候选目标的响应值， 表示此测试样本z的响

应值， 表训练样本和测试样本之间的核函数映射，表示的训练样本，z表示测试样本，⊙表示矩阵元素之间的点乘，α表示对偶系数，其中响应值最大的候选目标样本，作为下一步骤的输入；

步骤103通过构建的尺度池对候选的目标做尺度比较，得到候选目标对应的尺度判别因子SSF，其具体包括步骤：C1、在步骤102的结果上，应用尺度策略S＝{smin,sfixed,smax}获取最佳的目标尺度，将目标模板大小固定为初始目标大小sfixed，相对于sfixed而言,smin和smax分别代表可能强调目标局部细节信息的目标尺度,和可能引入了过多的背景信息的目标尺度；

C2、通过公式 求取以上尺度对应的响应值，以及对应生成的SSF：

2.根据权利要求1所述的一种结合背景信息的尺度自适应相关滤波跟踪方法，其特征在于，所述步骤101具体为：A1、基于前一帧检测到的目标中心点为中心点，选取M维度的图像块作为基准样本，基于该基准样本通过循环矩阵产生M个循环样本作为训练样本，维度数目与循环样本个数均为M；

A2、采用正则化最小二乘法分类器利用循环矩阵产生的密集样本训练x和期望输出y优T化目标函数f(x)＝wx，求解分类器的权重w。

3.根据权利要求1所述的一种结合背景信息的尺度自适应相关滤波跟踪方法，其特征在于，所述步骤104基于SSF的值而对候选的目标区域采用不同的应对措施，得到最终的目标尺度，具体如下：D1、通过尺度判别因子SSF的值，决定是否还需要对候选目标进行下一步操作，如果满足条件：SSF＝&，将目标的背景信息结合，得到滤波器：E(w)表示误差，T表示整张图像的维度大小，y(j)第j个样本的期望输出， 表示第k通道的w的转置，k表示第k通道数，K表示特征的通道数，P表示一个二进制的裁剪矩阵,xk表示第k通道的特张向量，Δτj表示一个循环位移操作，λ表示为正则化参数防止过拟合，wk表示第k个通道的w；

D2、以步骤103检测到的目标中心点为中心，提取的满足条件SSF＝&的图像块作为基准候选目标,再作用于整个视频帧，进行循环获取测试样本，将D1步骤求取的滤波器应对在测试样本上求取响应值，获得最大响应值的样本作为候选目标；

D3、在D2中获得的候选目标放入一个大小为5尺度池中求取最佳目标尺度；

D4、如果条件为：SSF＞&或者SSF＜&，则直接将对应的尺度就为当前求取的目标尺度；

D5、根据求取的最终目标，更新滤波器。