1.一种目标跟踪方法，其特征在于，所述目标跟踪方法包括：

通过第一神经网络对第一视频帧及第二视频帧进行检测分析，得到所述第一视频帧的第一视频帧特征信息、所述第二视频帧的第二视频帧特征信息、所述第一视频帧中第一待检测目标的第一目标特征信息、所述第二视频帧中第二待检测目标的第二目标特征信息、所述第一待检测目标在所述第一视频帧中的第一位置信息及所述第二待检测目标在所述第二视频帧中的第二位置信息，其中，所述第一视频帧特征信息包括所述第一视频帧的整帧特征信息，所述第二视频帧特征信息包括所述第二视频帧的整帧特征信息，所述第一视频帧与所述二视频帧为待检测视频数据中相邻的两帧视频帧，并且，所述第二视频帧为所述第一视频帧的下一帧视频帧；

通过第二神经网络对所述第一目标特征信息及所述第二目标特征信息进行相似度分析，确定所述第一待检测目标与所述第二待检测目标的相似度；

对所述第一视频帧特征信息及所述第二视频帧特征信息进行特征融合，得到融合特征，其中，所述融合特征包括所述第一视频帧特征信息和所述第二视频帧特征信息被所述特征融合整合得到的特征信息；

利用第三神经网络根据所述融合特征和所述第一位置信息确定的位置关系函数对所述第一位置信息进行转换，得到所述第一待检测目标在所述第二视频帧中的预测位置信息；

结合所述相似度、所述预测位置信息及所述第二位置信息，确定所述第一待检测目标与所述第二待检测目标的关联度；

判断所述关联度与预设关联阈值的大小；

若所述关联度大于所述关联阈值，判定所述第一待检测目标与所述第二待检测目标为同一目标，以实现目标跟踪。

2.根据权利要求1所述的目标跟踪方法，其特征在于，所述通过第二神经网络对所述第一目标特征信息及所述第二目标特征信息进行相似度分析，确定所述第一待检测目标与所述第二待检测目标的相似度，包括：通过第二神经网络，将所述第一目标特征信息及所述第二目标特征信息进行归一化，得到归一化后的第一目标特征信息及归一化后的第二目标特征信息，其中，所述归一化后的第一目标特征信息及所述归一化后的第二目标特征信息的维度相同；

对所述归一化后的第一目标特征信息及所述归一化后的第二目标特征信息进行特征提取，得到第一特征矩阵和第二特征矩阵；

计算所述第一特征矩阵和所述第二特征矩阵的相似度矩阵，作为所述第一待检测目标与所述第二待检测目标的相似度。

3.根据权利要求1所述的目标跟踪方法，其特征在于，所述结合所述相似度、所述预测位置信息及所述第二位置信息，确定所述第一待检测目标与所述第二待检测目标的关联度，包括：计算所述预测位置信息及所述第二位置信息的重合度；

按照预设关联算法，根据所述相似度与所述重合度，计算所述第一待检测目标与所述第二待检测目标的关联度。

4.一种目标跟踪装置，其特征在于，所述目标跟踪装置包括：

指定目标检测模块，用于通过第一神经网络对第一视频帧及第二视频帧进行检测分析，得到所述第一视频帧的第一视频帧特征信息、所述第二视频帧的第二视频帧特征信息、所述第一视频帧中第一待检测目标的第一目标特征信息、所述第二视频帧中第二待检测目标的第二目标特征信息、所述第一待检测目标在所述第一视频帧中的第一位置信息及所述第二待检测目标在所述第二视频帧中的第二位置信息，其中，所述第一视频帧特征信息包括所述第一视频帧的整帧特征信息，所述第二视频帧特征信息包括所述第二视频帧的整帧特征信息，所述第一视频帧与所述二视频帧为待检测视频数据中相邻的两帧视频帧，并且，所述第二视频帧为所述第一视频帧的下一帧视频帧；

相似度确定模块，用于通过第二神经网络对所述第一目标特征信息及所述第二目标特征信息进行相似度分析，确定所述第一待检测目标与所述第二待检测目标的相似度；

位置预测模块，用于通过第三神经网络对所述第一位置信息、所述第一视频帧特征信息及所述第二视频帧特征信息进行位置预测分析，得到所述第一待检测目标在所述第二视频帧中的预测位置信息；

关联度确定模块，用于结合所述相似度、所述预测位置信息及所述第二位置信息，确定所述第一待检测目标与所述第二待检测目标的关联度；

阈值判断模块，用于判断所述关联度与预设关联阈值的大小；

目标判定模块，用于若所述关联度大于所述关联阈值，判定所述第一待检测目标与所述第二待检测目标为同一目标，以实现目标跟踪；

所述位置预测模块，包括：

特征融合子模块，用于对所述第一视频帧特征信息及所述第二视频帧特征信息进行特征融合，得到融合特征，其中，所述融合特征包括所述第一视频帧特征信息和所述第二视频帧特征信息被所述特征融合整合得到的特征信息；

位置计算子模块，用于利用第三神经网络根据所述融合特征和所述第一位置信息确定的位置关系函数对所述第一位置信息进行转换，得到所述第一待检测目标在所述第二视频帧中的所述预测位置信息。

5.根据权利要求4所述的目标跟踪装置，其特征在于，所述相似度确定模块，包括：归一化子模块，用于通过第二神经网络，将所述第一目标特征信息及所述第二目标特征信息进行归一化，得到归一化后的第一目标特征信息及归一化后的第二目标特征信息，其中，所述归一化后的第一目标特征信息及所述归一化后的第二目标特征信息的维度相同；

特征矩阵确定子模块，用于对所述归一化后的第一目标特征信息及所述归一化后的第二目标特征信息进行特征提取，得到第一特征矩阵和第二特征矩阵；

相似度矩阵计算子模块，用于计算所述第一特征矩阵和所述第二特征矩阵的相似度矩阵，作为所述第一待检测目标与所述第二待检测目标的相似度。

6.根据权利要求4所述的目标跟踪装置，其特征在于，所述关联度确定模块，包括：重合度计算子模块，用于计算所述预测位置信息及所述第二位置信息的重合度；

关联度计算子模块，用于按照预设关联算法，根据所述相似度与所述重合度，计算所述第一待检测目标与所述第二待检测目标的关联度。

7.一种电子设备，其特征在于，包括处理器及存储器；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1‑3任一所述的目标跟踪方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1‑3任一所述的目标跟踪方法的步骤。