1.一种强化多特征融合的置信项滤波器目标跟踪方法，其特征在于，包括以下步骤：步骤1：对摄像头内外参数标定处理；

步骤2：获取目标的输入对象，输入待跟踪的视频序列，并标注初始帧；

步骤3：用摄像头实时拍摄监控区域内的被跟踪目标物体视频信息，并传送给视频数据处理单元；

步骤4：通过从视频数据处理单元获得的视频序列提取待跟踪目标的特征，在滤波器模型中引入FHOG特征；

步骤5：使用高斯核函数将FHOG特征融入相关滤波器算法，得到高斯频域响应的核函数；

步骤6：计算颜色名特征强化颜色特征；

步骤7：计算背景感知特征，引入多通道背景感知相关滤波器；

步骤8：对FHOG特征、颜色名特征和背景感知特征进行自适应置信度融合，得出改进算法的更新模型；

步骤9：根据更新后模型的融合响应，选择目标区域响应值最大的区域，输出跟踪目标矩形框所在的位置，即完成目标跟踪。

2.根据权利要求1所述的一种强化多特征融合的置信项滤波器目标跟踪方法，其特征在于，所述步骤4中FHOG特征的计算过程具体包括：步骤4.1首先用Prewitt梯度算子 和 对视频帧做卷积计算得到垂直边缘梯度分量和水平边缘梯度分量，得出每个像素点的Prewitt梯度值和方向：式中，G(x,y)表示像素点的Prewitt梯度，θ(x,y)表示像素点Prewitt梯度的方向，Gx(x,y)和Gy(x,y)分别为垂直边缘梯度分量和水平边缘梯度分量；

步骤4.2通过逐像素计算的Prewitt梯度特征，对当前帧像素点(x,y)处的特征矩阵进行计算：式中，Fb(x,y)表示当前帧像素点(x,y)处的FHOG特征矩阵，采用18个敏感方向通道的特征矩阵，b∈{0,1,...,18}；

步骤4.3对上述计算得到的特征矩阵Fb(x,y)进行归一化操作，归一化因子定义如下：式中，δ，γ为像素邻域参数，δ，γ∈{-1,1}；S(i,j)为每帧视频序列中8×8个像素点组成的像素单元的Fb(x,y)构成的特征矩阵，0≤i≤[(M-1)/8]，0≤j≤[(N-1)/8]，M和N分别为视频序列每帧的长度和宽度；

步骤4.4定义截断函数Tα(v)：Tα(v)表示向量v被α截断之后形成的向量，对S(i,j)行归一化并截断，之后串联得到FHOG特征：

3.根据权利要求2所述的一种强化多特征融合的置信项滤波器目标跟踪方法，其特征在于：所述步骤4.4中截断值α取0.2。

4.根据权利要求1所述的一种强化多特征融合的置信项滤波器目标跟踪方法，其特征在于，所述步骤6中颜色名特征的计算过程如下：步骤6.1将视频序列帧的彩色空间模型转换为黑色、蓝色、棕色、灰色、绿色、橙色、粉色、紫色、红色、白色和黄色等11种特定的颜色概率模型，改进颜色属性算法的数据项响应其中，Bp表示降维后的正交矩阵，即颜色名的11种颜色模型投影在10维空间的标准正交基， 表示10维空间的表征矩阵，M和N分别为视频序列每帧的长度和宽度；

步骤6.2定义颜色属性跟踪算法的数据项更新方法，采用如下公式对最小化数据项进行更新计算：其中， 表示当前帧的数据项响应，αp为当前帧的权重因子，差补因子ε＝fy·fk，fy为高斯核函数的快速傅里叶变换矩阵，fk为降维特征图高斯核函数的快速傅里叶变换矩阵。

5.根据权利要求4所述的一种强化多特征融合的置信项滤波器目标跟踪方法，其特征在于：步骤6.2中当前帧的权重因子αp取值为0.075，fy和fk按照以下公式进行计算：fk＝fft(exp(-0.5/prod(p)2*(x2+y2)))式中，M,N表示视频的宽与高，prod为矩阵的列相乘，p为标定目标区域矩形框或跟踪目标矩形框。

6.根据权利要求1所述的一种强化多特征融合的置信项滤波器目标跟踪方法，其特征在于，所述步骤7中背景感知特征的最小化风险函数 计算如下：式中，满足 为KQ×1维向量， 为Q×KQ的矩阵，

C为P×Q的二值矩阵，P为模板的维数，Q为样本维度，且P＜＜Q，Z为Q×Q的正交傅里叶变换矩阵，IK为K×K的单位矩阵，v为模型参数，为模板的通道数， 为克罗内克积， T为共轭转置，λ为正则化权重因子。

7.根据权利要求1-6中任一项所述的一种强化多特征融合的置信项滤波器目标跟踪方法，其特征在于，所述步骤8中模型的更新方法具体如下：步骤8.1定义目标区域的最大响应峰值Rmax和视频帧在频域中的平均峰相关能量APCE：Rmax＝max f(T(xt,p)；θt-1)

上式中，f(T(xt,p)；θt-1)表示目标矩形区域的快速傅里叶变换，θ为模型参数，T为样本特征的映射，p为跟踪目标的矩形窗口；Rmax,Rmin,Rm,n分别表示目标区域响应函数的最大、最小和第m行第n列的值；

步骤8.2分别计算FHOG特征、颜色名特征和背景感知特征滤波器响应分配的权值：t+1

步骤8.3根据下式对改进算法的更新模型o 进行计算：式中， 分别为FHOG的特征，CN特征和BA特征滤波器在t帧的模型，μCN，μFHOG，μBA分别为FHOG特征权重因子，CN特征权重因子和BA特征权重因子。