1.一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，包括步骤如下：

步骤A，将长视频序列划分成N等份，在每个等分时间段中根据多目标的离线检测结果分别进行普通高阶图H的构建；

步骤B，通过逐步采样和建立多个候选连接样本来完成随机一致性高阶图到普通高阶图H的近似；

步骤C，为提升高阶子图搜素的效率进行随机一致性高阶图到普通二阶图H'的转换；

步骤D，选择合适的权值测度函数来对普通二阶图中的子图进行搜索；

步骤E，根据贪婪算法解决以上搜索到的子图不符合物理限制的情况，再根据局部轨迹段出现的时序顺序进行连接，从而得到目标长轨迹。

2.根据权利要求1所述的一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，所述步骤A中包括如下步骤：由于对一个长视频序列串行进行处理会非常耗时，不满足实时性的要求，故采用分层次并行处理的方法，即将此长视频序列分成N等份，每等份包含Ln帧，若最后一组时间段不足Ln帧，则并入前一组中，然后对每一组时间段分别根据构成高阶图边的限制函数F(vi,vj)∈{0,1}构建跨时域高阶图H＝(V,E,α)，其中，vi表示第i个连接样本的顶点，vj表示第j个连接样本的顶点，V代表高阶图中的顶点，E代表高阶图中的高阶边，α代表属于顶点同一条高阶边的概率。

3.根据权利要求1所述的一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，所述步骤B中包括如下步骤：步骤B-1，为了在步骤C快速提取高阶图中的所有包含目标轨迹段的高阶子图，需要先将普通高阶图进行近似处理，即将普通高阶图转化为随机一致性高阶图，首先通过逐步采样的方法获得多个候选连接样本来建立随机一致性高阶图RCH＝{S1,...,Si,...}，其中Si为第i个连接样本，每个连接样本包含L个顶点，这个L个顶点是从包含Vi的同一条高阶图边中随机选取的，且满足限制函数F(vi,vj)＝1,j＝1,...,L-1，vi表示第i个连接样本的顶点，vj表示第j个连接样本的顶点；

步骤B-2，由于B-1中是随机选取的满足限制函数的顶点，故存在不可靠的连接样本，为了排除上述存在的不可靠的连接样本，通过两种置信函数Ca(s)和Cm(s)结合考虑来获得可靠的连接样本，进而建立包含原高阶图H中所有重要高阶子图的RCH，其中Ca(s)用来度量目标的表象相似性，Cm(s)用来度量目标的运动相似性。

4.根据权利要求3所述的一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，所述步骤C中包括如下步骤：利用步骤B-2中得到的可靠随机一致性高阶图RCH完成向普通二阶图H'＝(V',E',W')的转换，其中W'为二阶图中两个顶点同属于一条边的概率，为了确定二阶图中两个顶点之间的概率W'，需要建立一个点集近邻图Ω＝(ν,ε)，在点集近邻图中，当且仅当限制函数F(vi,vj)＝1时，两边之间存在一条边，然后使用Clique图搜索算法完成RCH到普通二阶图H'的转换。

5.根据权利要求1所述的一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，所述步骤D中包括如下步骤：首先将步骤C得到的普通二阶图H'中的每个顶点vp作为起始点，需要搜索 个顶点，同时定义一个权值测度函数Γ(vp∪N(vp))，使得这些点组成的点集能够获得最大的权值测度函数值，这样所搜索到的子图具有 个顶点，为了避免子图中顶点数目出现退化问题，对搜索的子图设置一个最小尺度 且 另外，令y＝{y1,...,yn}∈Rn为子图顶点集合U的指示变量，当yi＝1时，表示顶点vi属于这个搜索的子图；当yi＝0则不属于该子图。

6.根据权利要求1所述的一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，所述步骤中E包括如下步骤：由于步骤D中搜索的不同子图之间可能存在不符合物理限制的情况，同一个顶点不可能同时属于两个或多个不同的目标，这违反了物理事实，为了消除这种冲突情况，可采用贪婪算法进行处理，先将得到的子图按照置信概率大小进行排序，得到排序后的子图序列T，再令 为后处理的子图集合，根据贪婪算法把冲突的顶点vi加入有重叠部分的子图中，即vi∪T'→T'，然后把后处理子图按照时序顺序将各个顶点连接起来得到目标长轨迹。