1.一种基于CNN的三级信息融合视觉目标跟踪方法，其特征在于，包括以下步骤：S1：对当前序列图像，提取模板图像和检测图像，进行图像预处理；

S2：采用Siamese孪生网络构建整体网络框架，将模板图像和检测图像分别输入两个相同的分支网络进行同步处理，分支网络采用改进后的VGG-11网络；

S3：改进后的VGG-11网络采用三级网络融合策略，将整个网络分为浅层、中层、深层三个部分，分别提取三个部分的各层卷积特征，对每个部分的各层卷积特征进行融合，得到特征图；

S4：对两个分支网络中三个部分的特征图，按照浅层、中层、深层三个层次分别进行相关操作，构建三个层次的得分图；

S5：对步骤S4中三个层次的得分图进行融合，构建出最终得分图；

S6：使用最终得分图输出跟踪结果。

2.根据权利要求1所述一种基于CNN的三级信息融合视觉目标跟踪方法，其特征在于：所述提取模板图像和检测图像具体为，选取第一帧为模板图像，后续帧为检测图像。

3.根据权利要求1所述一种基于CNN的三级信息融合视觉目标跟踪方法，其特征在于：还包括使用训练集对整体网络进行训练，使用验证集对训练后的网络模型进行验证，调整模型的超参数。

4.根据权利要求3所述一种基于CNN的三级信息融合视觉目标跟踪方法，其特征在于：所述使用训练集对整体网络进行训练时，使用逻辑损失进行训练：其中，L(y[u],v[u])表示损失函数，u是得分图上任一点，v[u]是该点模板-检测图像对的相似性得分，y[u]是该点的实际标签，D表示整张得分图范围。

5.根据权利要求1或2或3或4所述一种基于CNN的三级信息融合视觉目标跟踪方法，其特征在于：步骤S1所述图像预处理包括，以视觉目标为中心对图像进行裁剪，模板图像大小裁剪为127×127，检测图像大小裁剪为255×255，裁剪时超出的范围使用图像的RGB均值进行填充。

6.根据权利要求5所述一种基于CNN的三级信息融合视觉目标跟踪方法，其特征在于：所述改进后的VGG-11网络将网络层数从16层减少到11层，在2层与3层，4层与5层，7层与8层之间分别设置最大池化层。

7.根据权利要求6所述一种基于CNN的三级信息融合视觉目标跟踪方法，其特征在于：所述改进后的VGG-11网络将11层网络分为浅层、中层、深层三个级别，其中3和4层为浅层，

5、6和7层为中层，8、9和11层为深层。

8.根据权利要求1或6或7所述一种基于CNN的三级信息融合视觉目标跟踪方法，其特征在于：步骤S4所述构建三个层次的得分图，公式表示为：S(z,x)＝f(φ(z),φ(x))

其中z表示模板图像，x表示检测图像，φ(·)表示图像的特征表示，f(·)表示相关操作，S(z,x)表示模板图像和检测图像之间的相似性。

9.根据权利要求8所述一种基于CNN的三级信息融合视觉目标跟踪方法，其特征在于：所述构建出最终得分图的公式为S(z,x)＝S1(z,x)+S2(z,x)+S3(z,x)，其中S1(z,x)，S2(z,x)，S3(z,x)分别表示浅层、中层、深层的得分图。