1.一种自适应融合特征提取的全景视觉跟踪方法，其特征在于，具体按照下述步骤进行：步骤1，读取第一帧全景图象，找出全景图像的中心粒子；

步骤2，以所述中心粒子为中心，采用自适应目标框提取该全景图象的目标区域；

步骤3，提取所述目标区域中每个粒子的颜色特征和形状特征；

步骤4，计算每个粒子的的融合特征粒子权值；

步骤5，将所有粒子的权值进行比较，将权值最大的粒子作为下一帧全景图像的中心粒子，取下一帧全景图像，重复步骤2-步骤5，至最后一帧全景图像。

2.根据权利要求1所述的一种自适应融合特征提取的全景视觉跟踪方法，其特征在于，所述步骤2具体按照下述步骤提取全景图像的目标区域步骤1.1，根据全景图象单位映射模型，将目标区域的轮廓由传统的矩形框近似映射为M个由近到远的梯形轮廓片段，将每个梯形轮廓片段均对应到图像平面；

步骤1.2，计算每个所述梯形轮廓片段的上底、下底和高：L1i＝a·Xi+bi                  (1)L2i＝c·Xi+d                  (2)Hi＝e·Xi+f                  (3)式中，L1i为第i个梯形轮廓片段的上底，X为第i个目标区域距离全景图像中心点的距离，L2i为第i个梯形轮廓片段的下底，Hi为第i梯形轮廓片段的高，a,b,c,d,e,f为参数，由最小二乘拟合方法得到；

步骤1.3，将每个所述梯形轮廓片段用仿射变换的方法换转换为矩形框，得到目标区域。

3.根据权利要求1所述的一种自适应融合特征提取的全景视觉跟踪方法，其特征在于，步骤3中目标区域中每个粒子的颜色特征具体按照下述方法提取：步骤3.1，计算目标区域中每个粒子的颜色分量：

式中，pj(x)为第j个粒子的颜色分量，k为归一化系数，l为目标区域的粒子数目，N为目标区域的粒子尺度，δ为狄拉克函数，m为每个粒子灰度值与量化特征子空间灰度值的差，xj为第j个粒子的X坐标，uj为每个特征子空间；

步骤3.2，建立每个粒子所在区域的候选模型q＝{qj}，采用Bhattacharyya系数分别每个粒子区域与目标区域的相似度：其中， 为表示第j个粒子区域与目标区域的相似度，ρ(pj(x),q)为第j个粒子区域与目标区域的Bhattacharyya系数；

步骤3.3，计算每个粒子的的颜色特征：

式中，σc为为特征分布方差。

4.根据权利要求3所述的一种自适应融合特征提取的全景视觉跟踪方法，其特征在于，步骤3.2中第j个粒子区域与目标区域的Bhattacharyya系数为：式中，qu为模板目标直方图分布。

5.根据权利要求1所述的一种自适应融合特征提取的全景视觉跟踪方法，其特征在于，步骤3中目标区域中每个粒子的形状特征具体按照下述方法提取：步骤a，建立每个粒子所在区域的候选模型q＝{qj}，对目标区域进行距离变换：式中，T＝{tm}为粒子区域边缘点的集合，E＝{en}表示目标区域边缘点的集合，tn表示T中的第n份点，em表示E中的第m个点，xt表示粒子的横坐标，x表示表示目标边缘粒子坐标；

步骤b，计算每个粒子的的形状特征：

式中，σs为特征分布方差。

6.根据权利要求1所述的一种自适应融合特征提取的全景视觉跟踪方法，其特征在于，步骤4中根据每个粒子的颜色特征和形状特征计算每个粒子的的融合特征粒子权值：pt(Zt|Xt)＝pc(Zt|Xt)·ps(Zt|Xt))            (10)。