1.一种多特征融合的抗遮挡目标跟踪方法，其特征在于：该方法包括以下步骤：S1：选择好跟踪目标后，提取目标区域的HOG特征和CN特征；

S2：计算当前帧HOG特征和CN特征的跟踪置信度Pcn，Phog以及按照权重融合后的跟踪置信度P；

S3：根据跟踪置信度P以及相关响应峰值gmax1和gmax2的大小调整跟踪模板学习率的大小；当最大响应gmax1和第二大响应gmax2的比值大于0.5时，跟踪置信度P小于等于θ1时说明目标被严重遮挡，不更新跟踪模板，即学习率为0，使用卡尔曼跟踪算法预测目标位置；当P大于θ1，小于等于θ2时说明目标被轻微遮挡，调小学习率；当P大于θ2时说明目标没有被遮挡，学习率不变；

θ1、θ2是判断跟踪置信度的阈值；

S4：得到目标在当前帧的预测位置，把预测区域作为新的目标使用S3得到的学习率更新模型，如此直到视频序列为最后一帧图像；

所述S1中，HOG特征和CN特征的初始融合权重分别为0.5和0.5；

所述S2中，跟踪置信度公式(1)如下：

其中，P即是当前帧的跟踪置信度，MN是跟踪区域的大小，gmax是跟踪区域响应的最大值，gmin是跟踪区域响应的最小值，gm,n是在坐标(m,n)处的输出响应；

当前帧HOG特征和CN特征的融合权重由其对应的跟踪置信度Pcn，Phog确定，公式如下：whog＝1‑wcn    (3)

最终得到的融合后的响应结果如下：

gt＝wt,cngt,cn+wt,hoggt,hog    (4)所述S3中，当目标被遮挡时，gmax和平均峰相关能量APCE会发生明显的波动；使用gmax1、gmax2和APCE的值判断目标是否发生遮挡：其中，θ1、θ2是判断跟踪置信度的阈值，当最大响应gmax1和第二大响应gmax2的比值大于

0.5时，跟踪置信度P小于等于θ1时说明目标被严重遮挡，当P大于θ1，小于等于θ2时说明目标被轻微遮挡，当P大于θ2时说明目标没有被遮挡；

当目标没被遮挡时，模型正常更新，能够正常学习目标样本；当目标被轻微遮挡，此时跟踪区域有部分正确目标及部分背景信息，减小学习率，能够学习目标样本信息并遏制背景信息的学习；当目标被严重遮挡时，不对模型更新，避免引入背景信息；通过下式更改学习率：当目标没被遮挡或者被轻微遮挡时，使用公式(7)检测目标，对目标进行定位；当目标被严重遮挡时，利用卡尔曼预测机制对目标进行定位，保证目标在被遮挡期间的跟踪，当目标再次出现时可以保证再次检测到目标，成功的跟踪到目标；