1.一种基于行人搜索的目标追踪样本扩充方法，其特征在于：包括如下步骤：(1)输入视频流数据；

(2)使用行人搜索网络进行样本扩充，包括如下步骤：

(21)将视频流中，目标追踪网络的追踪目标同时设定为行人搜索网络的搜索目标；

(22)当目标追踪网络的目标追踪正确率低于90％时，每隔n帧对行人搜索网络的搜索目标进行采样；

(23)将采样结果按时间顺序保存至扩充样本集C＝{ct,ct-1,ct-2,…}中，ct表示t时刻的样本帧；

(3)运行目标追踪网络：

情况①：若目标追踪网络的目标追踪正确率低于90％，根据强化学习策略，将扩充样本集扩充至目标追踪网络样本集中，优化当前的目标追踪网络；

情况②：若目标追踪网络的目标追踪正确率高于或等于90％，维持当前的目标追踪网络。

2.根据权利要求1所述的基于行人搜索的目标追踪样本扩充方法，其特征在于：所述步骤(3)中，强化学习策略具体为：(41)初始化：目标追踪网络样本集为U，动作集A＝{a0,a1,a2,a3,…}，动作ai表示将扩充样本集中最新的im个样本帧扩充至U中，即U＝{U,ct,ct-1,ct-2,…,ct-im+1}，动作ai的奖赏值为rai，{rai}＝0，m为正整数；进入步骤(42)；

(42)跟踪目标追踪网络的目标追踪正确率：若低于90％，则进入步骤(43)；否则，进入步骤(42)，即持续跟踪目标追踪网络的目标追踪正确率，直至发现低于90％；

(43)执行max{rai}对应的动作ai，即执行奖赏值最高的动作，继续跟踪目标追踪网络的目标追踪正确率：若低于90％，则进入步骤(44)；否则，进入步骤(45)；

(44)i＝i+1，执行动作ai，继续跟踪目标追踪网络的目标追踪正确率：若低于90％，则进入步骤(44)；否则，进入步骤(45)；

(45)进入该步骤，则说明执行动作ai后，改善了目标追踪网络的目标追踪正确率，并且达到了90％的设定阈值，给予动作ai一个奖赏，rai＝rai+1，返回步骤(42)。

3.根据权利要求2所述的基于行人搜索的目标追踪样本扩充方法，其特征在于：所述步骤(43)中，若存在两个以上max{rai}对应的动作ai，执行i最小的动作，且i≠0。

4.根据权利要求1所述的基于行人搜索的目标追踪样本扩充方法，其特征在于：所述述步骤(22)中，n≥30。

5.根据权利要求2所述的基于行人搜索的目标追踪样本扩充方法，其特征在于：所述述步骤(41)中，m≥30。