1.一种基于多颜色特征融合与深度网络的目标跟踪系统，其特征在于，所述系统包括以下单元：图像获取单元：用于摄像头视频图像的获取；

表观特征模型建立单元：利用浅层的卷积网络提取目标的空间特征，同时利用融合的颜色特征描述目标的全局特征；

目标位置估计单元：通过对两种特征信息的学习得到两个滤波模板，分别对其计算特征响应，从而获得目标的精确位置；

目标尺度评估单元：用于构造精准表达的高斯金字塔模型，兼顾实时性与计算精确度，获得有效的尺度估计。

2.根据权利要求1所述的一种基于多颜色特征融合与深度网络的目标跟踪系统，其特征在于，所述表观特征模型建立单元包括：卷积网络底层特征提取模块：用于提供一种轻量级网络结构，实现浅层特征的快速提取；

双颜色特征特征融合模块：用于实现不同目标场景下自适应调节特征响应系数，从而减少在融合特征响应阶段的调参工作。

3.根据权利要求2所述的一种基于多颜色特征融合与深度网络的目标跟踪系统，其特征在于，所述双颜色特征特征融合模块自适应调节特征响应系数的具体过程如下：设fcn和fhist是两种待融合的颜色特征，通过fcn与直方图得分fhist进行线性组合，来获得双颜色特征的得分函数fcolor(x)：fcolor(x)＝γcnfcn(x)+γhistfhist(x)       (1)特征融合策略关键在于如何自适应的确定响应系数fcn(x)、fhist(x)；对直方图特征的响应引入抑制项μ来获取最终的颜色直方图响应系数。

自适应响应系数的获取过程如下，设当前帧CN模板和颜色直方图模板的响应图分别为Ycn，Yhist，令σcn＝max(Ycn)以及σhist＝max(Yhist)；γcn和γhist可以表示为：其中 在得到自适应响应系数后可以由公式(1)确定最终双颜色特征响应分数，找出双颜色特征的最大响应分数来确定下一帧目标位置。

4.根据权利要求1所述的一种基于多颜色特征融合与深度网络的目标跟踪系统，其特征在于：所述目标尺度评估单元是利用高斯金字塔方法将传统的单尺度视觉信息处理技术纳入到尺度不断变化的动态分析框架中，从而评估目标的尺度大小；且为了降低计算量，采用PCA降维技术对提取的尺度特征进行降维，并通过11个尺度范围大小，替代原本的33个不同尺度的大小，同时在计算完尺度特征的响应后通过线性插值扩展至33个维度再寻找最大的尺度响应值。