1.一种视频目标识别追踪方法，其特征在于，包括以下步骤：获取第一环境图像，于所述第一环境图像中对行人进行检测框标识；

通过所述检测框的位置信息及变量信息进行位置预估，以获取若干个初选预测框；

所述初选预测框的表达式为：

，

其中， 表示初选预测框， 表示初选预测框的中心点的横坐标值， 表示初选预测框的中心点的纵坐标值， 表示初选预测框的宽高比， 表示初选预测框的高度；

且 、 、 、

，其中， 表示检测框的中心点的横坐标值， 表示检测框的中心点的纵坐标值， 表示检测框的宽高比， 表示检测框的高度， 表示检测框到初选预测框的变化时间， 、 、 、 分别表示 、 、 、 的向量变化速度；

基于所述初选预测框与所述检测框之间的马氏距离，自若干个所述初选预测框中选定若干个次选预测框；

所述基于所述初选预测框与所述检测框之间的马氏距离，自若干个所述初选预测框中选定若干个次选预测框的步骤包括：分别计算若干个所述初选预测框与所述检测框之间的马氏距离，以获取若干个基准值；

所述基准值的计算公式为：

，

其中， 表示基准值， 表示检测框的数据集信息， 表示初选预测框的数据集信息， 表示转置符， 表示检测框与初选预测框之间的协方差；

判断所述基准值是否小于第一距离阈值；

若所述基准值小于所述第一距离阈值，则将与小于所述第一距离阈值的基准值对应的所述初选预测框选定为次选预测框；

获取第二环境图像，将若干个所述次选预测框标识于所述第二环境图像上，通过所述检测框与所述次选预测框之间的余弦距离，自若干个所述次选预测框中选定终选预测框，以完成识别追踪；

所述通过所述检测框与所述次选预测框之间的余弦距离，自若干个所述次选预测框中选定终选预测框的步骤包括：提取所述检测框内若干个第一外观特征向量，以形成特征集，并提取所述次选预测框内全部的第二外观特征向量；

计算所述第二外观特征向量与所述特征集之间的最小余弦距离；

所述最小余弦距离的计算公式为：

，

其中， 表示最小余弦距离， 表示某一第二外观特征向量， 表示特征集中某一第一外观特征向量，表示特征集中第一外观特征向量的序号；

判断所述最小余弦距离是否小于第二距离阈值；

将小于所述第二距离阈值的最小余弦距离的数量最多的所述次选预测框选定为终选预测框。

2.根据权利要求1所述的视频目标识别追踪方法，其特征在于，所述于所述第一环境图像中对行人进行检测框标识的步骤包括：对所述第一环境图像进行预处理，以获取标定尺寸的输入图像；

将所述输入图像作为输入值输入特征提取网络模型，以获取所述第一环境图像中行人的中心点；

对所述中心点进行尺寸回归，以完成检测框标识。

3.一种视频目标识别追踪系统，应用如权利要求1 2任一项所述的视频目标识别追踪~方法，其特征在于，所述系统包括：

选择模块，用于获取第一环境图像，于所述第一环境图像中对行人进行检测框标识；

预测模块，用于通过所述检测框的位置信息及变量信息进行位置预估，以获取若干个初选预测框；

所述初选预测框的表达式为：

，

其中， 表示初选预测框， 表示初选预测框的中心点的横坐标值， 表示初选预测框的中心点的纵坐标值， 表示初选预测框的宽高比， 表示初选预测框的高度；

且 、 、 、

，其中， 表示检测框的中心点的横坐标值， 表示检测框的中心点的纵坐标值， 表示检测框的宽高比， 表示检测框的高度， 表示检测框到初选预测框的变化时间， 、 、 、 分别表示 、 、 、 的向量变化速度；

计算模块，用于基于所述初选预测框与所述检测框之间的马氏距离，自若干个所述初选预测框中选定若干个次选预测框；

所述计算模块包括：

第四单元，用于分别计算若干个所述初选预测框与所述检测框之间的马氏距离，以获取若干个基准值；

所述基准值的计算公式为：

，

其中， 表示基准值， 表示检测框的数据集信息， 表示初选预测框的数据集信息， 表示转置符， 表示检测框与初选预测框之间的协方差；

第五单元，用于判断所述基准值是否小于第一距离阈值；

第六单元，用于若所述基准值小于所述第一距离阈值，则将与小于所述第一距离阈值的基准值对应的所述初选预测框选定为次选预测框；

执行模块，用于获取第二环境图像，将若干个所述次选预测框标识于所述第二环境图像上，通过所述检测框与所述次选预测框之间的余弦距离，自若干个所述次选预测框中选定终选预测框，以完成识别追踪；

所述执行模块包括：

第七单元，用于获取第二环境图像，将若干个所述次选预测框标识于所述第二环境图像上，提取所述检测框内若干个第一外观特征向量，以形成特征集，并提取所述次选预测框内全部的第二外观特征向量；

第八单元，用于计算所述第二外观特征向量与所述特征集之间的最小余弦距离；

所述最小余弦距离的计算公式为：

，

其中， 表示最小余弦距离， 表示某一第二外观特征向量， 表示特征集中某一第一外观特征向量，表示特征集中第一外观特征向量的序号；

第九单元，用于判断所述最小余弦距离是否小于第二距离阈值；

第十单元，用于将小于所述第二距离阈值的最小余弦距离的数量最多的所述次选预测框选定为终选预测框。

4.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2中任一项所述的视频目标识别追踪方法。

5.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至2中任一项所述的视频目标识别追踪方法。