1.一种监控目标确定方法，其特征在于，所述方法包括：

根据用户在观看第一监控视频时的眼球运动，获取用户在所述第一监控视频中每一帧图像的关注焦点；

根据预先设置的物体特征，识别所述第一监控视频中每一帧图像的待选目标；

针对所述第一监控视频中的每一帧图像，根据所述帧图像中的待选目标与所述帧图像中的关注焦点之间的距离，从所述帧图像的待选目标中选取种子目标；

针对每个所述种子目标，判断已保存的正样本库中是否存在与所述种子目标匹配的正样本，如果存在，则将所述种子目标确定为所述第一监控视频的监控目标；如果不存在，则将所述种子目标作为正样本保存至所述正样本库。

2.根据权利要求1所述的方法，其特征在于，所述根据预先设置的物体特征，识别所述第一监控视频中每一帧图像的待选目标，包括：根据预先设置的物体特征，识别所述第一监控视频中每一帧图像的待选目标的图像及位置信息；

根据每个所述待选目标的图像，获得每个所述待选目标的特征值；

所述正样本库中保存有每个正样本的特征值及位置信息；

所述判断已保存的正样本库中是否存在与所述种子样本匹配的正样本，包括：判断已保存的正样本库中是否存在与所述种子样本的特征值及位置信息均匹配的正样本。

3.根据权利要求2所述的方法，其特征在于，在所述判断已保存的正样本库中是否存在与所述种子目标匹配的正样本之前，还包括：将所述第一监控视频中的所有种子目标进行聚类处理，获得每个聚类的聚类中心以及属于每个聚类的种子目标；

所述判断已保存的正样本库中是否存在与所述种子目标匹配的正样本，如果存在，则将所述种子目标确定为所述第一监控视频的监控目标，包括：针对每个聚类中心，判断已保存的正样本库中是否存在与所述聚类中心的特征值及位置信息均匹配的正样本，如果存在，则将所述聚类中心确定为所述第一监控视频的监控目标；如果不存在，则将所述聚类中心或属于所述聚类中心对应的聚类的种子目标作为正样本保存至正样本库。

4.根据权利要求3所述的方法，其特征在于，在所述判断已保存的正样本库中是否存在与所述聚类中心的特征值及位置信息均匹配的正样本之前，还包括：针对每个聚类，判断所述聚类包含的种子目标的数量比例是否大于预设比例阈值，如果是，则将所述聚类确定为目标聚类；

所述判断已保存的正样本库中是否存在与所述聚类中心的特征值及位置信息均匹配的正样本，包括：判断已保存的正样本库中是否存在与所述目标聚类的聚类中心的特征值及位置信息均匹配的正样本。

5.根据权利要求3所述的方法，其特征在于，在所述将所述聚类中心确定为所述第一监控视频的监控目标之前，还包括：记录聚类中心匹配成功的次数；当所述次数大于预设次数阈值时，执行将所述聚类中心确定为所述第一监控视频的监控目标的步骤。

6.根据权利要求3所述的方法，其特征在于，在所述判断已保存的正样本库中是否存在与所述种子目标匹配的正样本之前，还包括：将所述第一监控视频中每一帧图像的待选目标中除种子目标之外的待选目标确定为待定负样本；

针对每个待定负样本，根据位置信息，计算所述待定负样本与对应的帧图像中的每个种子目标的重叠比例；

将重叠比例小于预设比例阈值的待定负样本确定为负样本；

将每个负样本的特征值和位置信息保存至负样本库；

所述针对每个所述种子目标，判断已保存的正样本库中是否存在与所述种子目标匹配的正样本，包括：针对每个所述种子目标，根据所述正样本库、所述负样本库以及预设第一公式，获得所述种子目标属于正样本的概率与属于负样本的概率比值；其中，所述正样本库中保存有经过聚类处理的每个聚类以及属于每个聚类的正样本；

判断所述概率比值中是否存在大于预设概率比值阈值的概率比值，如果存在，则确定所述正样本库中存在与所述种子目标匹配的正样本。

7.根据权利要求6所述的方法，其特征在于，所述针对每个所述种子目标，根据所述正样本库、所述负样本库以及预设第一公式，获得所述种子目标属于正样本的概率与属于负样本的概率比值，包括：针对 每个所 述 种子目 标 ，根据所 述正 样本 库、所 述负 样本 库以 及获得所述种子目标属于正样本的概率与属于负样本的概率比值；其中，所述Ri为所述种子目标属于正样本的概率与属于负样本的概率比值，所述X为所述种子目标的位置信息，所述A为所述种子目标的特征值，所述θi是根据所述正样本库中属于第i个聚类的正样本的特征值以及变分贝叶斯算法获得的参数，所述p(X,A|θi)为所述种子目标属于所述第i个聚类的概率，所述p(θi|Xti,Ati,Ofg)是根据所述正样本库中属于第i个聚类的正样本的位置信息Xti和特征值Ati以及贝叶斯公式获得的概率，所述Ofg为预设的参数，所述θbg是根据所述负样本库中所有负样本的特征值以及变分贝叶斯算法获得的参数，所述p(X,A|θbg)为所述种子目标属于所述负样本库中的负样本的概率，所述p(θbg|Xb,Ab,Obg)是根据所述负样本库中所有负样本的位置信息Xb和特征值Ab以及最大似然估计法得到的概率，所述Obg为预设的参数。

8.根据权利要求1所述的方法，其特征在于，所述根据所述帧图像中的待选目标与所述帧图像中的关注焦点之间的距离，从所述帧图像的待选目标中选取种子目标，包括：针对所述帧图像中的每个待选目标，计算所述待选目标与所述帧图像中的每个关注焦点之间的距离，判断所述距离中是否存在小于预设距离阈值的距离，如果存在，则将所述待选目标选取为种子目标。

9.根据权利要求8所述的方法，其特征在于，所述计算所述待选目标与所述帧图像中的每个关注焦点之间的距离，为：计算所述待选目标的中心点与所述帧图像中的每个关注焦点的中心点之间的坐标距离；或，计算所述待选目标的点集与所述帧图像中的每个关注焦点的点集之间的Hausdoff距离。

10.一种视频监控方法，其特征在于，包括：

采用权利要求1至9任一项所述的方法确定所述第一监控视频的监控目标；

监控所述监控目标，获取所述监控目标的监控信息；

从预设的监控信息与报警信息的对应关系中匹配所述监控信息；

针对所述监控目标，输出匹配成功的报警信息。

11.一种监控目标确定装置，其特征在于，所述装置包括：

获取模块，用于根据用户在观看第一监控视频时的眼球运动，获取用户在所述第一监控视频中每一帧图像的关注焦点；

识别模块，用于根据预先设置的物体特征，识别所述第一监控视频中每一帧图像的待选目标；

选取模块，用于针对所述第一监控视频中的每一帧图像，根据所述帧图像中的待选目标与所述帧图像中的关注焦点之间的距离，从所述帧图像的待选目标中选取种子目标；

判断模块，用于针对每个所述种子目标，判断已保存的正样本库中是否存在与所述种子目标匹配的正样本；

确定模块，用于针对每个所述种子目标，当已保存的正样本库中存在与所述种子目标匹配的正样本时，将所述种子目标确定为所述第一监控视频的监控目标；

保存模块，用于当已保存的正样本库中不存在与所述种子目标匹配的正样本时，将所述种子目标作为正样本保存至所述正样本库。

12.根据权利要求11所述的装置，其特征在于，所述正样本库中保存有每个正样本的特征值及位置信息；所述识别模块包括：识别子模块，用于根据预先设置的物体特征，识别所述第一监控视频中每一帧图像的待选目标的图像及位置信息；

获得子模块，用于根据每个所述待选目标的图像，获得每个所述待选目标的特征值；

所述判断模块，具体用于判断已保存的正样本库中是否存在与所述种子样本的特征值及位置信息均匹配的正样本。

13.根据权利要求12所述的装置，其特征在于，还包括：

聚类模块，用于在所述判断已保存的正样本库中是否存在与所述种子目标匹配的正样本之前，将所述第一监控视频中的所有种子目标进行聚类处理，获得每个聚类的聚类中心以及属于每个聚类的种子目标；

所述判断模块，具体用于针对每个聚类中心，判断已保存的正样本库中是否存在与所述聚类中心的特征值及位置信息均匹配的正样本；

所述确定模块，具体用于当已保存的正样本库中存在与所述聚类中心的特征值及位置信息均匹配的正样本时，将所述聚类中心确定为所述第一监控视频的监控目标；

所述保存模块，具体用于将所述聚类中心或属于所述聚类中心对应的聚类的种子目标作为正样本保存至正样本库。

14.根据权利要求13所述的装置，其特征在于，还包括：

目标聚类确定模块，用于在所述判断已保存的正样本库中是否存在与所述聚类中心的特征值及位置信息均匹配的正样本之前，针对每个聚类，判断所述聚类包含的种子目标的数量比例是否大于预设比例阈值，如果是，则将所述聚类确定为目标聚类；

所述判断模块，具体用于：

判断已保存的正样本库中是否存在与所述目标聚类的聚类中心的特征值及位置信息均匹配的正样本。

15.根据权利要求13所述的装置，其特征在于，还包括：

记录模块，用于在所述将所述聚类中心确定为所述第一监控视频的监控目标之前，记录聚类中心匹配成功的次数；

所述确定模块，具体用于当所述次数大于预设次数阈值时，将所述聚类中心确定为所述第一监控视频的监控目标。

16.根据权利要求13所述的装置，其特征在于，还包括：

待定负样本确定模块，在所述判断已保存的正样本库中是否存在与所述种子目标匹配的正样本之前，将所述第一监控视频中每一帧图像的待选目标中除种子目标之外的待选目标确定为待定负样本；

重叠比例计算模块，用于针对每个待定负样本，根据位置信息，计算所述待定负样本与对应的帧图像中的每个种子目标的重叠比例；

负样本确定模块，用于将重叠比例小于预设比例阈值的待定负样本确定为负样本；

负样本信息保存模块，用于将每个负样本的特征值和位置信息保存至负样本库；

所述判断模块包括：

概率比值获得子模块，用于针对每个所述种子目标，根据所述正样本库、所述负样本库以及预设第一公式，获得所述种子目标属于正样本的概率与属于负样本的概率比值；其中，所述正样本库中保存有经过聚类处理的每个聚类以及属于每个聚类的正样本；

概率比值判断子模块，用于判断所述概率比值中是否存在大于预设概率比值阈值的概率比值，如果存在，则确定所述正样本库中存在与所述种子目标匹配的正样本。

17.根据权利要求16所述的装置，其特征在于，所述概率比值获得子模块，具体用于：针对 每个所 述 种子目 标 ，根据所 述正 样本 库、所 述负 样本 库以 及获得所述种子目标属于正样本的概率与属于负样本的概率比值；其中，所述Ri为所述种子目标属于正样本的概率与属于负样本的概率比值，所述X为所述种子目标的位置信息，所述A为所述种子目标的特征值，所述θi是根据所述正样本库中属于第i个聚类的正样本的特征值以及变分贝叶斯算法获得的参数，所述p(X,A|θi)为所述种子目标属于所述第i个聚类的概率，所述p(θi|Xti,Ati,Ofg)是根据所述正样本库中属于第i个聚类的正样本的位置信息Xti和特征值Ati以及贝叶斯公式获得的概率，所述Ofg为预设的参数，所述θbg是根据所述负样本库中所有负样本的特征值以及变分贝叶斯算法获得的参数，所述p(X,A|θbg)为所述种子目标属于所述负样本库中的负样本的概率，所述p(θbg|Xb,Ab,Obg)是根据所述负样本库中所有负样本的位置信息Xb和特征值Ab以及最大似然估计法得到的概率，所述Obg为预设的参数。

18.根据权利要求11所述的装置，其特征在于，所述选取模块包括：距离计算子模块，用于针对所述帧图像中的每个待选目标，计算所述待选目标与所述帧图像中的每个关注焦点之间的距离；

目标选取子模块，用于判断所述距离中是否存在小于预设距离阈值的距离，如果存在，则将所述待选目标选取为种子目标。

19.根据权利要求12所述的装置，其特征在于，所述距离计算子模块，具体用于：计算所述待选目标的中心点与所述帧图像中的每个关注焦点的中心点之间的坐标距离；或，计算所述待选目标的点集与所述帧图像中的每个关注焦点的点集之间的Hausdoff距离。

20.一种视频监控装置，其特征在于，包括：

确定模块，用于采用权利要求1至9任一项所述的方法确定所述第一监控视频的监控目标；

监控模块，用于监控所述监控目标，获取所述监控目标的监控信息；

匹配模块，用于从预设的监控信息与报警信息的对应关系中匹配所述监控信息；

报警模块，用于针对所述监控目标，输出匹配成功的报警信息。