1.一种基于相关滤波器的目标跟踪系统，其特征在于，包括：

获取单元，用于获取视频并输出；

视频拆分单元，连接所述获取单元，用于将所述视频分解为一视频帧序列并输出；

跟踪识别单元，连接所述视频拆分单元，用于根据预设的目标跟踪识别算法依序跟踪识别所述视频帧序列中的各帧图片上的目标对应的图像特征并输出，并用于跟踪识别所述目标在对应的所述图片上的所处位置信息并输出；

响应率计算单元，连接所述跟踪识别单元，用于基于所述目标在当前帧图片上对应的第一图像特征和所述目标在所述当前帧图片的后一帧图片上对应的第二图像特征，计算得到对所述目标的跟踪响应率并存储；

交叠率计算单元，连接所述跟踪识别单元，用于基于所述目标在所述当前帧图片上对应的第一所处位置信息和所述目标在所述后一帧图片上对应的第二所处位置信息，计算得到所述目标在所述当前帧图片和所述后一帧图片前后两帧图片上的所处位置的交叠率并存储；

判断单元，分别连接所述响应率计算单元和所述交叠率计算单元，用于根据所述跟踪响应率，和/或所述交叠率，判断对所述目标的跟踪是否有效。

2.如权利要求1所述的目标跟踪系统，其特征在于，所述目标跟踪识别算法包括Staple互补学习识别跟踪算法。

3.一种基于相关滤波器的目标跟踪方法，其特征在于，通过目标跟踪系统实现，具体包括如下步骤：步骤S1，基于所述目标在所述当前帧图片上对应的所述第一图像特征和所述目标在所述后一帧图片上对应的所述第二图像特征，计算得到对所述目标的所述跟踪响应率；

步骤S2，基于所述目标在所述当前帧图片上对应所处的所述第一所处位置信息和所述目标在所述后一帧图片上对应所处的所述第二所处位置信息，计算得到所述目标在前后两帧图片上的所处位置的交叠率；

步骤S3，根据所述跟踪响应率，和/或所述交叠率，判断对所述目标的跟踪是否有效；

若跟踪有效，则进入步骤S4；

若跟踪失败，则返回所述步骤S1，重新对所述当前帧图片进行目标跟踪识别。

4.如权利要求3所述的目标跟踪方法，其特征在于，还包括：

步骤S4，以所述后一帧图片作为当前帧图片，然后返回所述步骤S1，继续对下一帧图片进行目标跟踪识别，直至依序完成对所述视频帧序列中的每帧图片的目标跟踪识别。

5.如权利要求3所述的目标跟踪方法，其特征在于，所述目标跟踪系统通过一识别模型对所述目标进行识别跟踪，所述识别模型的构建过程包括如下步骤：步骤S21，预先将关联于所述目标的多个所述图像特征作为第一训练样本输入到一相关滤波器中，所述相关滤波器基于所述第一训练样本形成所述识别模型；

步骤S2 2，所述目标跟踪系统通过所述识别模型识别所述当前帧图片中的所述目标对应的所述第一图像特征，并将识别到的所述第一图像特征作为第二训练样本重新输入到所述相关滤波器中，所述相关滤波器基于所述第二训练样本重新训练以更新所述识别模型；

所述目标跟踪系统通过更新后的所述识别模型对所述后一帧图片进行目标识别跟踪，得到对应所述目标的所述第二图像特征。

6.如权利要求3所述的目标跟踪方法，其特征在于，所述步骤S3中判断对所述目标的跟踪是否有效的方法包括第一判断方法，所述第一判断方法为：当所述目标在所述后一帧图片上的第二跟踪响应率大于或等于一第一阈值，且所述目标在所述后一帧图片上的所述第二跟踪响应率相较在所述当前帧图片上的第一跟踪响应率的差值绝对值小于或等于一第二阈值时，表明对所述目标的跟踪有效；

否则，则表明对所述目标的跟踪失败。

7.如权利要求6所述的目标跟踪方法，其特征在于，所述第一阈值为0.5。

8.如权利要求6所述的目标跟踪方法，其特征在于，所述第二阈值为0.15。

9.如权利要求3所述的目标跟踪方法，其特征在于，所述步骤S3中判断对所述目标的跟踪是否有效的方法包括第二判断方法，所述第二判断方法为：当所述目标在所述当前帧图片和所述后一帧图片两帧图片上的所处位置的所述交叠率大于或等于一第三阈值时，则表明对所述目标的跟踪有效；

否则，则表明对所述目标跟踪失败。

10.如权利要求9所述的目标跟踪方法，其特征在于，所述第三阈值为0.3。