1.一种基于视频序列的人流量统计方法，其特征在于：包括以下步骤：

1)获取视频，通过采样得到视频序列；

2)通过候选区域检测模块进行粗检测得到候选目标区域；

3)利用基于迁移学习的卷积神经网络+支持向量机分类器模型对候选区域进行进一步筛选得到检测目标；

4)根据航迹预测对待关联的候选目标范围进行限制；

5)通过特征匹配进行目标航迹关联；

6)利用航迹信息进行人流量统计。

2.根据权利要求1所述的一种基于视频序列的人流量统计方法，其特征在于：在步骤2)中，通过候选区域检测模块进行粗检测得到候选区域，采用以下几类方法得到候选区域：

21)基于检测的方法：这类方法利用训练好的目标分类器，对图像进行扫描得到疑似目标区域；

22)基于碎片聚合的方法：这类方法首先将图片打碎，然后再聚合；

23)基于给滑动窗口打分的方法：这类方法是先生成候选框，然后利用某些方法或者准则直接打分排序来过滤掉低分的候选框。

3.根据权利要求1所述的一种基于视频序列的人流量统计方法，其特征在于：在步骤3)中，基于迁移学习的卷积神经网络+支持向量机分类器模型中迁移学习是在已有卷积神经网络结构模型的基础上进行微调后重新训练，且卷积神经网络采用多层网络结构，取全连接层特征向量作为卷积神经网络提取到的特征，输入到支持向量机进行模型训练，输出即为基于迁移学习的卷积神经网络+支持向量机分类器模型。

4.根据权利要求1所述的一种基于视频序列的人流量统计方法，其特征在于：在步骤4)中，对筛选得到的检测目标航迹进行预测，根据航迹预测对待关联的候选目标范围进行限制；由于相邻帧间行人目标的空间位置变化不大，因而通过设置合适的阈值进行距离区域限制，或者可以利用均值漂移、卡尔曼滤波、粒子滤波等方法预测当前帧的指定目标在下一帧可能出现的空间位置，从而以此目标为中心进行区域限制处理。

5.根据权利要求1所述的一种基于视频序列的人流量统计方法，其特征在于：在步骤5)中，通过步骤4)得到候选区域，对候选区域内所有中心点在区域范围内的待关联候选目标一一进行特征匹配，通过特征匹配进行目标航迹关联；在此过程中，通过设置两个阈值，若匹配分数达到最高设限阈值，且得到的匹配分数最高，说明该目标最相关，则将该检测目标确定为当前帧指定目标的关联对象，若匹配分数未达到最低设定阈值，则说明当前帧指定目标为虚假目标，应当舍弃。

6.根据权利要求5所述的一种基于视频序列的人流量统计方法，其特征在于：对于匹配分数在两个设定阈值之间的检测目标，若在匹配区域范围内仍存在未匹配对象，则可根据分数高低与匹配分数最高的检测目标进行匹配，否则，若在匹配区域范围内不存在未匹配对象或匹配区域范围内不存在检测目标，则暂时保存该目标，使之与后面隔帧图像进行匹配关联，若隔帧图像在限定区域内存在未与其上一帧匹配关联目标，且满足达到最低阈值，则可与其匹配分数最高者进行关联即可，若此时仍未达到要求，仍先保存该目标，反复进行匹配关联，直到连续N帧均未匹配到，则被视为无效目标，进行舍弃。

7.根据权利要求1所述的一种基于视频序列的人流量统计方法，其特征在于：在步骤6)中，通过能够匹配关联到的相应目标航迹信息进行跟踪，当检测目标通过指定检测线或兴趣区域时进行双向流计数，从而最终得到人流量统计结果并显示出来，在这里，通过标志位的变化、位移差或光流方向等方法来判断行人运动方向，从而根据其相应的变化进行计数。