1.一种基于特征聚合的多目标跟踪算法，其特征在于，包括如下步骤：步骤1、采用目标检测算法对待检测目标进行检测，得到检测框内的目标图像及检测框数据集合步骤2、将检测框内的目标图像输入重识别网络，利用重识别网络提取检测目标的外观特征，得到外观特征数据集合为f步骤3、利用卡尔曼滤波算法预测跟踪轨迹；

步骤4、基于步骤1中得到的检测目标的检测框数据集D

步骤4.1.1、计算第i个检测目标的检测框数据

步骤4.1.2、计算第i个检测目标的检测框数据

步骤4.1.3、基于外观相似性d

步骤4.1.4、利用匈牙利算法对加权相似度矩阵进行处理，得到检测目标和跟踪轨迹之间的关联矩阵A步骤4.1.5、基于步骤4.1.4中匹配对的加权相似度c(i,j)再次进行筛选，若匹配对的加权相似度c(i,j)小于阈值w，则认为匹配对在第一阶段关联失败，反之，匹配对在第一阶段关联成功；第一阶段关联成功的检测目标记为步骤5、利用卡尔曼滤波更新步骤4中匹配成功的跟踪轨迹。

2.根据权利要求1所述的一种基于特征聚合的多目标跟踪算法，其特征在于，步骤3中根据下式预测跟踪轨迹的运动状态：其中，

3.根据权利要求1所述的一种基于特征聚合的多目标跟踪算法，其特征在于，第二匹配阶段的处理过程为：步骤4.2.1、计算第一阶段关联失败的第i个检测目标D步骤4.2.2、对形状相似度矩阵再次利用匈牙利算法进行匹配，得到关联失败的检测目标D步骤4.2.3、在关联成功的匹配对中，将检测目标与跟踪轨迹的形状相似度IOU(i,j)值小于阈值r的匹配对归为第二阶段关联失败，反之认为第二阶段关联成功；

步骤4.2.4、将第二阶段关联失败的检测目标D

而第二阶段关联失败的跟踪轨迹X

4.根据权利要求1所述的一种基于特征聚合的多目标跟踪算法，其特征在于，步骤5中，根据下式更新步骤4中关联成功的跟踪轨迹：其中，

5.根据权利要求1-4中任意一项权利要求所述的一种基于特征聚合的多目标跟踪算法，其特征在于，所述重识别网络是由2个卷积层、1个最大值池化层、6个特征聚合模块和1个线性全连接层组成；目标图像依次经过2个卷积层、1个最大值池化层、6个特征聚合模块和1个线性全连接层的处理得到外观特征数据集合。

6.根据权利要求5所述的一种基于特征聚合的多目标跟踪算法，其特征在于，所述特征聚合模块是由1个3×3的卷积层、1个dropout层、1个3×3的卷积层、1个1×1的卷积层构成；输入特征聚合模块的输入特征图依次经过3×3的卷积层、dropout层和3×3的卷积层的处理，分别输出相应的第一特征图、第二特征图和第三特征图；对第一特征图、第二特征图和第三特征图进行聚合得到总特征图，将总特征图输入1×1的卷积层进行计算得到输出特征图；将输出特征图与输入特征图进行加法运算得到聚合特征图。