1.一种多目标轨迹获取方法，其特征在于，所述方法包括：获取待关联的多个单相机轨迹数据；其中，所述单相机轨迹数据为一个摄像机获取的一个目标的轨迹数据；

分别获取每个单相机轨迹数据和历史关联轨迹数据之间的时空类特征；其中，所述时空类特征用于表明每两个轨迹数据分别对应的轨迹在时空维度的关系；所述历史关联轨迹数据为已进行过关联的轨迹数据；

基于所获取的时空类特征，利用预先训练得到的分类模型，获得每个单相机轨迹数据与所述历史关联轨迹数据是否属于同一目标的分类结果；其中，所述分类模型为利用多个带有标签的样本训练得到的模型，所述样本包括两个样本轨迹数据，所述标签用于表示所述两个样本轨迹数据是否属于同一样本目标；

基于所述分类结果，对所述多个单相机轨迹数据与所述历史关联轨迹数据中，属于同一目标的轨迹数据进行关联，得到该目标运动的轨迹。

2.根据权利要求1所述的方法，其特征在于，所述多个带有标签的样本中还包括：样本轨迹数据对应的图像数据；

在所述基于所获取的时空类特征，利用预先训练得到的分类模型，获取每个单相机轨迹数据与所述历史关联轨迹数据是否属于同一目标的分类结果之前，所述方法还包括：分别获取所述每个单相机轨迹数据和所述历史关联轨迹数据的图像类特征；其中，所述图像类特征用于表明每两个轨迹数据分别对应的图像数据中的目标在图像维度的关系；

所述基于所获取的时空类特征，利用预先训练得到的分类模型，获取每个单相机轨迹数据与所述历史关联轨迹数据是否属于同一目标的分类结果，包括：将所获取的时空类特征和图像类特征输入预先训练得到的分类模型，获取每个单相机轨迹数据与所述历史关联轨迹数据是否属于同一目标的分类结果。

3.根据权利要求2所述的方法，其特征在于，所述分类模型预先采用如下步骤训练得到：

获取多个摄像机采集的多个样本目标的轨迹数据；

将所述多个样本目标的轨迹数据中，每两个轨迹数据以及每两个轨迹数据分别对应的图像数据作为一个样本，并为该样本标记所述标签；

获取每个样本的时空类特征和图像类特征；

利用所述每个样本的时空类特征和图像类特征，以及所述每个样本的标签，对预设模型进行训练，得到所述分类模型。

4.根据权利要求1所述的方法，其特征在于，所述时空类特征包括：空间类特征和时间类特征；

所述空间类特征包括如下特征中的至少一个：用于表明所述每两个轨迹数据是否分别包含第一指定位置和第二指定位置的特征，用于表明所述多个摄像机中每两个摄像机间拓扑关系的特征，以及用于表明参考范围内目标的信息的特征；其中，所述第一指定位置和第二指定位置为使得目标运动的轨迹关联的位置；所述参考范围包括：与所述每两个轨迹数据分别对应的轨迹相距预设距离的范围；

所述时间类特征包括如下特征中的至少一个：用于表明所述每两个轨迹数据分别对应的轨迹的形成时间之间的相似度的特征，用于表明所述每两个轨迹数据分别对应的轨迹的衔接关系的特征，用于表明所述每两个轨迹数据分别对应的轨迹的运动趋势之间的关系的特征，以及所述用于表明参考范围内目标的信息的特征。

5.根据权利要求2所述的方法，其特征在于，所述图像类特征包括如下特征中的至少一个：

用于表明所述每两个轨迹数据分别对应的图像数据所表明的两个目标的：轮廓之间的相似度的特征、指定部位之间的相似度的特征、多个特征中二分类的特征的分类标签的特征。

6.根据权利要求1所述的方法，其特征在于，所述分类结果包括：每个单相机轨迹数据与所述历史关联轨迹数据是否属于同一目标的置信度；

所述基于所述分类结果，对所述多个单相机轨迹数据与所述历史关联轨迹数据中，属于同一目标的轨迹数据进行关联，得到该目标运动的轨迹，包括：获取预设的关联层数；

按照所述置信度从大到小的顺序，对所述多个单相机轨迹数据中所述预设的关联层数个单相机轨迹数据，进行与所述历史关联轨迹数据的关联，得到关联后的轨迹数据对应的目标运动的轨迹。

7.根据权利要求1所述的方法，其特征在于，所述基于所述分类结果，对所述多个单相机轨迹数据与所述历史关联轨迹数据中，属于同一目标的轨迹数据进行关联，得到该目标运动的轨迹，包括：

获取所述每个单相机轨迹数据和所述历史关联轨迹数据分别对应的图像类特征；其中，所述图像类特征用于表明每两个轨迹数据分别对应的图像数据中的目标在图像维度的关系；

基于所述分类结果，对所述多个单相机轨迹数据与所述历史关联轨迹数据中，属于同一目标的轨迹数据进行关联；

根据属于同一目标的轨迹数据在所述时空维度和/或所述图像维度的关系，确定进行了关联的轨迹数据中是否存在关联异常的轨迹数据；

如果不存在，将关联后的轨迹数据作为相应目标运动的轨迹。

8.根据权利要求7所述的方法，其特征在于，所述根据属于同一目标的轨迹数据在所述时空维度和/或所述图像维度的关系，确定进行了关联的轨迹数据中是否存在关联异常的轨迹数据，包括：

当所述进行了关联的轨迹数据不满足多个关联条件中的任一个时，确定所述进行了关联的轨迹数据中存在关联异常的轨迹数据；

其中，所述多个关联条件包括：所述进行了关联的轨迹数据中，属于同一摄像机的一个单相机轨迹数据，在同一时刻对应的目标标识唯一；所述进行了关联的轨迹数据中，多个位置数据的形成时刻相同的一个单相机轨迹数据，所述多个位置数据之间的差异值小于或者等于预设差异阈值；完成本次关联时，所述进行了关联的轨迹数据中，不存在未关联的单相机轨迹数据；所述进行了关联的轨迹数据中，同一个单相机轨迹数据对应的不同图像数据之间的相似度大于或者等于第一相似度阈值；所述进行了关联的轨迹数据对应的属于同一目标的不同图像数据之间的相似度大于或者等于第二相似度阈值。

9.根据权利要求8所述的方法，其特征在于，在所述根据属于同一目标的轨迹数据在所述时空维度，和/或者，所述图像维度的关系，确定进行了关联的轨迹数据中是否存在关联异常的轨迹数据之后，所述方法还包括：如果存在，对存在关联异常的轨迹数据进行如下修复操作，并将修复后的轨迹数据所属的关联后的轨迹数据，作为相应目标运动的轨迹：针对在同一时刻对应的目标标识不唯一的单相机轨迹数据，从该单相机轨迹数据对应的多个目标标识中，确定该单相机轨迹数据唯一对应的目标标识；

针对所述多个位置数据之间的差异值大于预设差异阈值的单相机轨迹数据，剔除不属于该单相机轨迹数据的位置数据，并为剔除的位置数据所属的单相机轨迹数据关联属于所述剔除的位置数据对应目标的轨迹数据；

针对完成本次关联时，所述未关联的单相机轨迹数据，将所述未关联的单相机轨迹数据中，属于同一目标的单相机轨迹数据进行关联；

针对对应的不同图像数据之间的相似度小于第一相似度阈值的单相机轨迹数据，剔除不属于该单相机轨迹数据的图像数据，并建立剔除的图像数据与所述剔除的图像数据所属的单相机轨迹数据之间的对应关系；

针对对应的属于同一目标的不同图像数据之间的相似度小于第二相似度阈值的进行了关联的轨迹数据，剔除不属于该同一目标的图像数据，并建立剔除的图像数据与所述剔除的图像数据所属的目标之间的对应关系。

10.一种多目标轨迹获取装置，其特征在于，所述装置包括：轨迹数据获取模块，用于获取待关联的多个单相机轨迹数据；其中，所述单相机轨迹数据为一个摄像机获取的一个目标的轨迹数据；

轨迹特征提取模块，用于分别获取每个单相机轨迹数据和历史关联轨迹数据之间的时空类特征；其中，所述时空类特征用于表明每两个轨迹数据分别对应的轨迹在时空维度的关系；所述历史关联轨迹数据为已进行过关联的轨迹数据；

轨迹数据分类模块，用于基于所获取的时空类特征，利用预先训练得到的分类模型，获得每个单相机轨迹数据与所述历史关联轨迹数据是否属于同一目标的分类结果；其中，所述分类模型为利用多个带有标签的样本训练得到的模型，所述样本包括两个样本轨迹数据，所述标签用于表示所述两个样本轨迹数据是否属于同一样本目标；

目标轨迹获取模块，用于基于所述分类结果，对所述多个单相机轨迹数据与所述历史关联轨迹数据中，属于同一目标的轨迹数据进行关联，得到该目标运动的轨迹。

11.一种多目标轨迹获取系统，其特征在于，所述系统包括：至少一个摄像机，以及与所述摄像机通信连接的管理后台；

所述摄像机，用于获取一个目标的轨迹数据，作为单相机轨迹数据；

所述管理后台，用于获取待关联的多个单相机轨迹数据；分别获取每个单相机轨迹数据和历史关联轨迹数据之间的时空类特征；其中，所述时空类特征用于表明每两个轨迹数据分别对应的轨迹在时空维度的关系；所述历史关联轨迹数据为已进行过关联的轨迹数据；基于所获取的时空类特征，利用预先训练得到的分类模型，获得每个单相机轨迹数据与所述历史关联轨迹数据是否属于同一目标的分类结果；其中，所述分类模型为利用多个带有标签的样本训练得到的模型，所述样本包括两个样本轨迹数据，所述标签用于表示所述两个样本轨迹数据是否属于同一样本目标；基于所述分类结果，对所述多个单相机轨迹数据与所述历史关联轨迹数据中，属于同一目标的轨迹数据进行关联，得到该目标运动的轨迹。

12.一种电子设备，其特征在于，应用于多目标轨迹获取系统，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-9任一所述的方法步骤。

13.一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1-9任一所述的方法步骤。