1.一种基于背景感知的尺度自适应核相关滤波跟踪方法，其特征在于，具体包括如下步骤：步骤一：图像预处理，对图像进行直方图均衡化处理，减小光照变化的影响；

步骤二：获取初始帧数据以及目标信息，包括目标区域左上角坐标(x,y)，目标宽w和高h；

步骤三：提取目标区域的特征图谱，获取目标区域快速梯度直方图特征(Fast Histogram  of  Oriented  Gradient,FHOG)作为目标的特征图谱，用表示，下标j代表第j个训练样本，上标k代表第k个训练样本，K代表共K维特征；

步骤四：建立基于背景感知的核相关滤波跟踪模型，消除边界效应，精准预测目标位置，利用背景感知的核相关滤波跟踪模型消除相关滤波的边界效应，预测目标的平移位置；

背景感知的核相关滤波器h通过最小化期望输出与滤波器实际响应输出损失函数求得，损失函数如下式所示：上式P表示D×T二值矩阵，D表示原始目标矢量化单通道特征维度大小，T表示目标区域扩充后单通道的维度；λ表示正则化常数；[Vτj]代表特征图谱xk第j次循环移位操作，y(j)代表期望输出y的第j个元素，上标T代表转置操作；

通过转移上式到复频域，可以快速求解，转换公式如下：上式上标∧表示快速傅里叶变换， 运算符表示为克罗内克积，IK为K×K的单位矩阵，F为T×T的傅里叶变换系数矩阵；

步骤五：建立一维尺度自适应滤波器预测目标尺度变化，在步骤四预测平移位置后，通过添加了一维尺度自适应滤波器，用于预测目标的尺度变化；通过最小化尺度滤波器hs响应输出与对应期望输出gs的损失函数，可以求得最优尺度滤波器hs，损失函数定义如下：上式*为相关运算符，λs为正则项常数，通过频域投影可得hs在频域的解为：接下来hs采用如下更新方式进行更新：

上式At,Bt为式(5-1)分子和分母部分，下表t,t-1代表当前帧图像和前一帧图像，η为学习率常数；可求得尺度滤波器hs的响应输出Ys为：上式I为当前输入目标区域。

2.据权利要求1所述基于背景感知的尺度自适应核相关滤波跟踪方法，其特征在于，所述步骤三：提取31维FHOG特征的步骤为：

1)转化RGB图为灰度图；

2)标准化gamma空间减小光照变化对图像的影响，gamma压缩公式为：

3)I(x,y)＝I(x,y)gamma，I(x,y)表示图像(x,y)处的像素值；

4)计算各像素点梯度值和梯度方向，具体公式如下：Gx(x,y)＝H(x+1,y)-H(x-1,y)Gy(x,y)＝H(x,y+1)-H(x,y-1)Gx(x,y)、Gy(x,y)代表水平和垂直方向的梯度值大小，H(x,y)为图像在(x,y)处的像素值；(x,y)处梯度值和梯度方向为：

5)将整个图像划分为小的cell单元格；

6)计算每个cell单元格的梯度直方图；

7)合并cell单元格为Block；

8)计算Block内的梯度直方图向量；

9)对步骤八生成的梯度直方图向量进行降维，生成31维的特征向量。

3.据权利要求1所述基于背景感知的尺度自适应核相关滤波跟踪方法，其特征在于，所述步骤四：输出y为二维高斯形状的输出，正则化常数λ取值为0.001。

4.据权利要求1所述基于背景感知的尺度自适应核相关滤波跟踪方法，其特征在于，所述步骤五：期望输出gs为一维高斯形状的输出，正则化常数λs取值为0.001。