1.一种轨迹关联方法，其特征在于，包括：获取待关联的两个目标轨迹；

针对每个目标轨迹，分别进行特征提取，得到该目标轨迹对应的特征数据；

对各特征数据进行相似度计算，得到相似度特征数据；所述相似度特征数据表征所述各特征数据之间的相似程度；

将所述相似度特征数据输入至：预先基于相似度特征数据样本训练完成的分类模型，得到表征所述目标轨迹之间相似程度的置信度；

根据所述置信度与置信度阈值的大小关系，得到所述目标轨迹是否属于同一目标的轨迹关联结果。

2.根据权利要求1所述的方法，其特征在于，所述特征数据包括：时空运动特征数据；所述相似度特征数据包括：时空运动相似度特征数据；

所述针对每个目标轨迹，分别进行特征提取，得到该目标轨迹对应的特征数据，包括：基于每个目标轨迹中包含的轨迹点的位置和时间信息，计算得到该目标轨迹的时空运动特征数据；

所述对各特征数据进行相似度计算，得到相似度特征数据的步骤，包括：对所述两个目标轨迹的时空运动特征数据进行相似度计算，得到时空运动相似度特征数据；

所述将所述相似度特征数据输入至：预先基于相似度特征数据样本训练完成的分类模型，得到表征所述目标轨迹之间相似程度的置信度，包括：将所述时空运动相似度特征数据输入至：预先基于时空运动相似度特征数据样本训练完成的分类模型，得到表征所述目标轨迹之间相似程度的置信度。

3.根据权利要求1所述的方法，其特征在于，所述特征数据包括：图像特征数据和时空运动特征数据；所述相似度特征数据包括：图像相似度特征数据和时空运动相似度特征数据；

所述针对每个目标轨迹，分别进行特征提取，得到该目标轨迹对应的特征数据的步骤，包括：

分别获取与各目标轨迹对应的目标图像；

对每个目标轨迹对应目标图像进行图像特征提取，得到该目标轨迹的图像特征数据；

基于每个目标轨迹中包含的轨迹点的位置和时间信息，计算得到该目标轨迹的时空运动特征数据；

所述对各特征数据进行相似度计算，得到相似度特征数据，包括：对所述两个目标轨迹的图像特征数据进行相似度计算，得到图像相似度特征数据；

对所述两个目标轨迹的时空运动特征数据进行相似度计算，得到时空运动相似度特征数据；

所述将所述相似度特征数据输入至：预先基于相似度特征数据样本训练完成的分类模型，得到表征所述目标轨迹之间相似程度的置信度，包括：将所述图像相似度特征数据和所述时空运动相似度特征数据输入至：预先基于图像相似度特征数据和时空运动相似度特征数据样本训练完成的分类模型，得到表征所述目标轨迹之间相似程度的置信度。

4.根据权利要求1所述的方法，其特征在于，所述特征数据包括：图像特征数据、时空运动特征数据和相机拓扑特征数据；所述相似度特征数据包括：图像相似度特征数据和时空运动相似度特征数据；

所述针对每个目标轨迹，分别进行特征提取，得到该目标轨迹对应的特征数据的步骤，包括：

分别获取与各目标轨迹对应的目标图像；

对每个目标轨迹对应目标图像进行图像特征提取，得到该目标轨迹的图像特征数据；

基于每个目标轨迹中包含的轨迹点的位置和时间信息，计算得到该目标轨迹的时空运动特征数据；

获取与所述两个目标轨迹对应的相机拓扑特征数据，所述相机拓扑特征数据表征：拍摄所述两个目标轨迹对应的目标图像的设备在整个监控区域中的位置信息；或者，所述相机拓扑特征数据表征：同一目标在分别拍摄所述两个目标轨迹对应的目标图像的设备之间转移的可能性；

所述对各特征数据进行相似度计算，得到相似度特征数据，包括：对所述两个目标轨迹的图像特征数据进行相似度计算，得到图像相似度特征数据；

对所述两个目标轨迹的时空运动特征数据进行相似度计算，得到时空运动相似度特征数据；

所述将所述相似度特征数据输入至：预先基于相似度特征数据样本训练完成的分类模型，得到表征所述目标轨迹之间相似程度的置信度，包括：将所述图像相似度特征数据、所述时空运动相似度特征数据以及与所述两个目标轨迹对应的相机拓扑特征数据输入至：预先基于图像相似度特征数据样本、时空运动相似度特征数据样本以及相机拓扑特征样本训练完成的分类模型，得到表征所述目标轨迹之间相似程度的置信度。

5.根据权利要求2-4任一所述的方法，其特征在于，所述时空运动特征数据包括：全局时空运动特征数据和局部时空运动特征数据；

所述基于每个目标轨迹中包含的轨迹点的位置和时间信息，计算得到该目标轨迹的时空运动特征数据，包括：

基于每个目标轨迹中包含的轨迹点的位置和时间信息，计算得到每个目标轨迹的全局时空运动特征数据；

将该目标轨迹划分为多个目标子轨迹，分别基于各目标子轨迹中包含的轨迹点的位置和时间信息，计算得到各目标子轨迹的局部时空运动特征数据。

6.根据权利要求5所述的方法，其特征在于，所述全局时空运动特征数据和所述局部时空运动特征数据中均包含以下至少一种预设参数特征数据：运动速度特征数据、运动加速度特征数据、运动曲率特征数据、运动方向特征数据和运动转角特征数据。

7.根据权利要求6所述的方法，其特征在于，所述时空运动相似度特征数据包括：全局时空运动相似度特征数据和局部时空运动相似度特征数据；

所述对所述两个目标轨迹的时空运动特征数据进行相似度计算，得到时空运动相似度特征数据，包括：

对所述两个目标轨迹的全局时空运动特征数据中包含的各预设参数特征数据，分别进行预设的数学运算，得到全局时空运动相似度特征数据；

对所述两个目标轨迹的局部时空运动特征数据中包含的各预设参数特征数据，分别进行预设的数学运算，得到局部时空运动相似度特征数据。

8.根据权利要求1所述的方法，其特征在于，所述分类模型的训练过程，包括：获取包含有相似度特征数据样本的样本集和各相似度特征数据样本对应的样本真值；

将所述相似度特征数据样本输入至分类模型，得到表征与该相似度特征数据样本对应的两个轨迹样本之间相似程度的样本置信度；

判断所述样本置信度与所述样本真值的差值是否满足预设条件；

若是，则结束训练，得到训练完成的分类模型；

若否，调整所述分类模型中的参数，返回所述将所述相似度特征数据样本输入至分类模型，得到表征与该相似度特征数据样本对应的两个轨迹样本之间相似程度的样本置信度的步骤，继续下一次训练。

9.根据权利要求8所述的方法，其特征在于，在所述得到训练完成的分类模型之后，还包括：

将所述样本集中未被选择过的各相似度特征数据样本，分别输入至所述训练完成的分类模型，得到各样本置信度；

针对每个样本置信度，分别根据该样本置信度与预设的候选置信度阈值的大小关系，得到与该样本置信度对应的两个轨迹样本是否属于同一目标的轨迹关联结果；

基于各样本置信度对应的样本真值，计算所述轨迹关联结果的准确率；

判断所述准确率是否大于预设准确率阈值；

若是，则将所述候选置信度阈值确定为最终的置信度阈值；

若否，调整所述候选置信度阈值，并返回所述针对每个样本置信度，分别根据该样本置信度与预设的候选置信度阈值大小关系，得到该样本置信度对应的两个轨迹样本是否属于同一目标的轨迹关联结果的步骤，直至所述轨迹关联结果的准确率大于所述预设准确率阈值；将使得所述轨迹关联结果的准确率大于所述预设准确率阈值的候选置信度阈值确定为最终的置信度阈值。

10.根据权利要求8所述的方法，其特征在于，所述获取包含有相似度特征数据样本的样本集和各相似度特征数据样本对应的样本真值，包括：分别获取多个属于不同目标的轨迹样本；

针对各轨迹样本，分别进行特征提取，得到各轨迹样本对应的特征数据样本；

对任意两个特征数据样本进行相似度计算，得到样本集中的一组相似度特征数据样本；并根据所述两个特征数据样本是否属于同一目标，确定所述相似度特征数据样本对应的样本真值；其中，当所述两个特征数据样本属于同一目标时，确定所述相似度特征数据样本对应的样本真值为1，否则，确定所述相似度特征数据样本对应的样本真值为0；其中，所述相似度特征数据样本表征所述两个特征数据样本之间的相似程度。

11.根据权利要求10所述的方法，其特征在于，所述特征数据样本包括：时空运动特征数据样本；

所述针对各轨迹样本，分别进行特征提取，得到各轨迹样本对应的特征数据样本，包括：

基于每个轨迹样本中包含的轨迹点的位置和时间信息，计算得到该轨迹样本的时空运动特征数据样本；

所述对任意两个特征数据样本进行相似度计算，得到样本集中的一组相似度特征数据样本，包括：

对任意两个轨迹样本的时空运动特征数据样本进行相似度计算，得到样本集中的一组时空运动相似度特征数据样本；

所述将所述相似度特征数据样本输入至分类模型，得到表征与该相似度特征数据样本对应的两个轨迹样本之间相似程度的样本置信度，包括：将所述时空运动相似度特征数据样本输入至分类模型，得到表征所述任意两个轨迹样本之间相似程度的样本置信度。

12.根据权利要求10所述的方法，其特征在于，所述特征数据样本包括：图像特征数据样本和时空运动特征数据样本；所述相似度特征数据包括：图像相似度特征数据样本和时空运动相似度特征数据样本；

所述针对各轨迹样本，分别进行特征提取，得到各轨迹样本对应的特征数据样本，包括：

分别获取与各轨迹样本对应的图像样本；

对每个轨迹样本对应图像样本进行图像特征提取，得到该轨迹样本的图像特征数据样本；

基于每个轨迹样本中包含的轨迹点的位置和时间信息，计算得到该轨迹样本的时空运动特征数据样本；

所述对任意两个特征数据样本进行相似度计算，得到样本集中的一组相似度特征数据样本，包括：

对任意两个轨迹样本的图像特征数据样本进行相似度计算，得到图像相似度特征数据样本；

对所述任意两个轨迹样本的时空运动特征数据样本进行相似度计算，得到时空运动相似度特征数据样本；

所述将所述相似度特征数据样本输入至分类模型，得到表征与该相似度特征数据样本对应的两个轨迹样本之间相似程度的样本置信度，包括：将所述图像相似度特征数据样本和所述时空运动相似度特征数据样本输入至分类模型，得到表征所述任意两个轨迹样本之间相似程度的样本置信度。

13.根据权利要求10所述的方法，其特征在于，所述特征数据样本包括：图像特征数据样本、时空运动特征数据样本和相机拓扑特征数据样本；所述相似度特征数据样本包括：图像相似度特征数据样本和时空运动相似度特征数据样本；

所述针对各轨迹样本，分别进行特征提取，得到各轨迹样本对应的特征数据样本，包括：

分别获取与各轨迹样本对应的图像样本；

对每个轨迹样本对应图像样本进行图像特征提取，得到该轨迹样本的图像特征数据样本；

基于每个轨迹样本中包含的轨迹点的位置和时间信息，计算得到该轨迹样本的时空运动特征数据样本；

针对任意两个轨迹样本，获取与该两个轨迹样本对应的相机拓扑特征数据样本，所述相机拓扑特征数据样本表征：拍摄该两个轨迹样本对应的图像样本的设备在整个监控区域中的位置信息；或者，所述相机拓扑特征数据表征：同一目标在分别拍摄该两个轨迹样本对应的图像样本的设备之间转移的可能性；

所述对任意两个特征数据样本进行相似度计算，得到样本集中的一组相似度特征数据样本，包括：

对任意两个轨迹样本的图像特征数据样本进行相似度计算，得到图像相似度特征数据样本；

对所述任意两个轨迹样本的时空运动特征数据样本进行相似度计算，得到时空运动相似度特征数据样本；

所述将所述相似度特征数据样本输入至分类模型，得到表征与该相似度特征数据样本对应的两个轨迹样本之间相似程度的样本置信度，包括：将所述图像相似度特征数据样本、所述时空运动相似度特征数据样本以及与所述任意两个轨迹样本对应的相机拓扑特征数据样本输入至分类模型，得到表征与所述任意两个轨迹样本之间相似程度的样本置信度。

14.一种轨迹关联装置，其特征在于，包括：目标轨迹获取模块，用于获取待关联的两个目标轨迹；

特征数据得到模块，用于针对每个目标轨迹，分别进行特征提取，得到该目标轨迹对应的特征数据；

相似度计算模块，用于对各特征数据进行相似度计算，得到相似度特征数据；所述相似度特征数据表征所述各特征数据之间的相似程度；

置信度得到模块，用于将所述相似度特征数据输入至：预先基于相似度特征数据样本训练完成的分类模型，得到表征所述目标轨迹之间相似程度的置信度；

轨迹关联结果得到模块，用于根据所述置信度与置信度阈值的大小关系，得到所述目标轨迹是否属于同一目标的轨迹关联结果。

15.一种电子设备，其特征在于，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1-13任一所述的方法步骤。

16.一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1-13任一所述的方法步骤。