1.一种基于标签传播和排序约束的目标跟踪方法，其特征在于，所述方法包括：S1、在给定的视频序列中，选取一定量的起始帧进行标注，得到每一起始帧对应标注出的正样本和负样本，并根据所选的起始帧进行数学状态估计产生候选样本，且进一步将每一起始帧对应标注出的正样本和负样本作为标签样本以及将所选的候选样本作为无标签样本，构建出一个图结构；

S2、建立基于所述图结构的损失函数，并在所述建立的损失函数中分别引入来自标签传播框架下的基于平滑假设的损失项、基于判别的损失项和基于排序的损失项，形成新的损失函数；

S3、将所述新的损失函数进行优化，并利用所述新的损失函数的最优解对所选的候选样本进行状态估计，确定所选的候选样本所属的类别和排列次序，并将所述确定的候选样本对所述每一起始帧对应标注出的正样本和负样本进行更新。

2.如权利要求1所述的基于标签传播和排序约束的目标跟踪方法，其特征在于，所述步骤S1具体包括：在给定的视频序列中，选取前5-10副图像帧分别作为起始帧并标定为正样本，且进一步在每一正样本周围采用一定面积的矩形框进行框定，得到由每一矩形框中所框定的负样本；

根据所选的起始帧进行数学状态估计，采用中心化的高斯分布在下一帧中产生候选样本，并将所述标定的正样本及其对应框定的负样本作为标签样本，将所述候选样本作为无标签样本；

采用k近邻法和径向基核函数为所述标签样本和所述无标签样本构建一个图结构；其中，所述图结构中的每一个节点对应为一个样本。

3.如权利要求1所述的基于标签传播和排序约束的目标跟踪方法，其特征在于，所述步骤S2具体包括：引入基于平滑假设的损失项，具体函数式定义为：

其中，f：Rc→R，c是特征空间的维数；xi和xj分别是来自正样本集和负样本集；

引入基于判别的损失项，具体函数式定义为：

其中，yi是样本xi的标签，其取值为yi∈{-1,1} (i＝1,Λ,nl)；yi＝1意味着xi是正样本；yi＝-1意味着xi是负样本；

引入基于排序的损失项，具体函数式定义为：

其中， 它是一个逐对排序损失项，并取值为正；

将上述(a)，(b)和(c)三个损失函数组合到一起，形成新的损失函数为：其中，λ,β是权值参数。

4.如权利要求1所述的基于标签传播和排序约束的目标跟踪方法，其特征在于，所述步骤S3具体包括：对所述新的损失函数进行优化，计算出最优解，并将所述计算出的最优解作为分类器；

用所述分类器对所选的候选样本进行状态估计，确定所选的候选样本所属的类别和排列次序；

将所述确定的候选样本对所述每一起始帧对应标注出的正样本和负样本进行更新。