1.一种基于相关滤波和颜色检测的目标尺度自适应跟踪方法，其特征在于包括如下步骤：步骤1)读取第一帧图片，确定目标位置及大小，设置目标区域和背景区域；

步骤2)根据所述目标位置对尺度滤波器进行样本预处理，获得不同尺度的样本图像，计算目标区域O与背景区域B的颜色直方图，获得目标样本的概率；

步骤3)分别提取样本hog特征和灰度特征，根据所述hog特征和灰度特征训练位置滤波器和尺度滤波器，获得对应滤波器模板；

步骤4)读入下一帧图片，提取样本图像特征，输入位置滤波器，通过峰值响应，更新目标当前位置；

步骤5)根据目标当前位置，重新读取目标图像，提取不同尺度下样本，输入尺度滤波器，通过峰值响应，更新目标尺度；

步骤6)判断当前帧跟踪是否正常，若跟踪正常，则重新读取目标图像并训练位置滤波器、尺度滤波器，更新位置、尺度滤波器和颜色概率的参数；若跟踪异常，则寻找目标，进行尺度调整，如果跟踪失败，则进行下一帧目标跟踪；

步骤7)根据判定结果，代入下一帧目标检测，直至跟踪任务结束。

2.根据权利要求1所述的基于相关滤波和颜色检测的目标尺度自适应跟踪方法，其特征在于所述步骤1)包括如下步骤：步骤1-1)通过Visual Tracker Benchmark官网下载OTB-50数据包，读取目标的坐标，获得目标的位置；

步骤1-2)以目标当前位置和尺度作为目标区域O，以当前O区域宽、高的1.5倍大小作为背景区域B，背景区域不包含目标区域，目标区域O与背景区域B组成一个矩形搜索区域。

3.根据权利要求2所述的基于相关滤波和颜色检测的目标尺度自适应跟踪方法，其特征在于所述OTB-50数据包中包含了50个视频场景，每一个场景里设有标注好的真实框，所述真实框标注了第一帧图片中目标的坐标。

4.根据权利要求1所述的基于相关滤波和颜色检测的目标尺度自适应跟踪方法，其特征在于步骤2)包括如下步骤：步骤2-1)位置滤波器样本预处理：以目标图像a0和周边的四个方向上的背景图像a1,a2,a3,a4为基图像，由所述目标图像与基图像循环偏移得出一系列的图像e为每个图像区域经过循环平移所得图像数量，其中，a′0e为目标图像经过循环偏移得到的图像，a′1e,a′2e,a′3e,a′4e为目标图像周边四个方向上的背景图像经过循环偏移得到的图像，通过将基图像的数值矩阵通过傅里叶快速变换由时域转到频域，在频域中将数值矩阵通过对角矩阵分解，实现基图像循环偏移；

步骤2-2)尺度滤波器样本预处理，获得不同尺度的样本图像：以目标图像a0为中心，向上、向下采样提取33种不同尺度下的样本图像为a″v，v＝1,2,…,33，采样策略为anP×anR,P、R分别为目标在前一帧的宽、高，a为尺度因子，S为尺度滤波器的长度；

步骤2-3)使用颜色检测，获得颜色直方图，建立目标样本的基本颜色概率公式，从而计算目标样本P(χ∈O)的概率。

5.根据权利要求4所述的基于相关滤波和颜色检测的目标尺度自适应跟踪方法，其特征在于步骤2-2)中设定a＝1.02，S＝33。

6.根据权利要求4所述的基于相关滤波和颜色检测的目标尺度自适应跟踪方法，其特征在于所述步骤3)包括如下步骤：步骤3-1)训练位置滤波器，获得位置滤波器模板：利用算法提取图像a′je,j＝0,1,2,3,

4的hog特征和灰度特征，将hog特征和灰度特征并联，进行快速傅里叶变换，作为输入特征q为样本特征数量，将得到的特征 乘以汉宁窗，去除边缘化，得到数据矩阵为A＝{A0,A1,A2,A3,A4}，其中，A0表示为图像a′0e的特征经汉宁窗计算得到的数据矩阵，A1,A2,A3,A4表示为a′1e,a′2e,a′3e,a′4e的特征经汉宁窗计算得到的数据矩阵，通过岭回归最小化训练图像与回归目标之间的均方误差构建位置滤波器目标函数，如式(1)，获得线性空间下位置滤波器模板w，再通过函数映射，解出非线性空间下的位置滤波器模板α；

式(1)中，向量y表示回归目标，向量w表示学习的位置滤波器模板，λ1、λ2表示规则化项，最小化求解目标函数，解出w；

步骤3-2)训练尺度滤波器，获得尺度滤波器模板：分别提取33个不同尺度样本图像a″v，v＝1,2,…,33的hog特征，对特征进行离散傅里叶变换，乘以汉宁窗，此时某张样本图像a″v的特征表示为x＝[x1,x2,…,xd]T，d＝31，表示该列向量的长度，xl表示样本的第l维特征，l∈{1,2,…,d}，通过岭回归最小化训练图像与回归目标之间的均方误差构建尺度滤波器目标函数获得尺度滤波器模板，尺度滤波器目标函数如式(3)式(3)中，h表示尺度滤波器模板，hl表示尺度滤波器模板的第l维，H、G、X是对应函数h、g、x的快速傅里叶变换， ⊙表示相关和点乘操作，λ≥0表示正则化参数，g表示回归目标；

根据式(4)通过傅里叶变换将目标函数转至频域求解，

式(4)中，Hl是尺度滤波器模板在频域的相应表示，作为目标当前的尺度，G*表示对应变量的傅里叶变换的复共轭，Xl是xl的相应傅里叶变换，xl表示样本的第l维特征，Xk是xk的相应傅里叶变换， 表示Xk的复共轭，k为自然整数。

7.根据权利要求6所述的基于相关滤波和颜色检测的目标尺度自适应跟踪方法，其特征在于步骤3-1)中由位置滤波器目标函数解出非线性空间下的位置滤波器模板的过程为：首先设定一般形式的位置滤波器目标函数如式(2)，

式(2)中，数据矩阵 相应的回归目标由y变为 由y与

0矩阵结合， fp(w,B)是凸函数，通过设置梯度下降为0最小化，解得

w为线性空间回归模型求解得到的滤波器模板；

再引入高斯核函数 将线性的特征空间映射到一个更高维的空间，相应的相关滤波模板也由线性的变为非线性的，滤波器的模板变为： 求解的参数由w变为T

α；最终求解得到非线性空间中的位置滤波器模板为 α为{α1,α2,…,αi}组成的列向量。

8.根据权利要求1所述的基于相关滤波和颜色检测的目标尺度自适应跟踪方法，其特征在于所述步骤6)中将位置相关滤波器输出响应的差值率ps作为衡量跟踪是否正常的判断基准，ps计算公式如式(5)，式(5)中，max(·)、mean(·)、std(·)分别表示响应图的极大值、平均值、标准差，极大值、平均值、标准差分别通过将位置滤波器的响应数值Y进行数学计算获得，目标跟踪是否正常的判断条件为：ps＞τ，如果ps＞τ，目标跟踪正常；否则ps≤τ，目标跟踪异常。

9.根据权利要求1所述的基于相关滤波和颜色检测的目标尺度自适应跟踪方法，其特征在于所述步骤7)中，若判定目标跟踪正常，更新相关滤波器、颜色概率参数，此时的输出结果为以检测出的目标位置z”为中心，检测出的尺度 对应大小的图片；在下一帧图片中，根据更新后的位置滤波器确定位置，根据尺度滤波器调整尺度，判定目标跟踪是否正常，重复步骤6)，重复代入下一帧，直至跟踪任务结束；

若判定目标跟踪不正常，根据步骤6)寻找丢失目标，如果找到丢失目标，通过尺度滤波器调整尺度，再更新相应参数，输出的结果为利用步骤6)中跟踪异常时获得的目标位置，以及步骤5)获得的目标尺度；如果未能找到丢失目标，此时的输出结果为位置、尺度滤波器检测出的目标位置及尺度；在下一帧图片中，先使用位置、尺度滤波器进行确定位置、调整尺度，判定目标跟踪是否正常，重复步骤6)，重复代入下一帧，直至跟踪任务结束。