1.基于时空时空正则化和上下文感知的相关滤波跟踪算法，其特征在于，具体实现步骤如下：

(1)、根据初始化样本，确定目标模板，初始化上下文信息，对其进行帧采样；

(2)、对目标的上下文信息进行HOG+CN特征提取；

(3)、引入上一帧的目标信息和空间正则化对滤波器的更新进行约束以防在时间和空间上有较大差异，防止过拟合，求解目标方程，得到滤波器模板；

(4)、求解出最优时空正则化和上下文感知滤波器模型，与样本在傅里叶域进行卷积操作，响应值得分最高的即为目标区域，然后更新目标模板；

(5)、重复步骤(2)到(4)，直至目标跟踪结束。

2.根据权利要求1所述的基于时空时空正则化和上下文感知的相关滤波跟踪算法，其特征在于，

在步骤(1)中，在所述根据初始化样本，确定目标模板，初始化上下文信息，对其进行帧采样中：

所述初始化样本，确定目标模板具体是：给定初始帧的目标位置，即目标的x,y坐标和长度及宽度，最后以一个框住目标的矩形框；

所述初始化上下文信息，对其进行帧采样具体是：为提高算法的精度，处理在跟踪过程中目标的尺寸变化，保证获取更多的判别信息，在目标框固定选取4个背景框。

3.根据权利要求1所述的基于时空时空正则化和上下文感知的相关滤波跟踪算法，其特征在于，

在步骤(2)中，所述对选择的目标和上下文进行HOG+CN特征提取的具体方式是：采用的是HOG和CN特征；

HOG特征用于对图像的局部出现的方向梯度进行计数，CN颜色特征用于对目标颜色进行统计，从梯度和颜色上融合，用于处理地目标遮挡及形变。

4.根据权利要求1所述的基于时空时空正则化和上下文感知的相关滤波跟踪算法，其特征在于，

在步骤(3)中，所述引入上一帧的目标信息和空间正则化对滤波器的更新进行约束具体是：所述引入上一帧的目标信息和空间正则化是约束目标求解，防止过度拟合和模型退化，从时间和空间上约束目标方程；其中，时间项是从时间上控制前后帧之间滤波器之间的差异，空间正则项是从空间上处理，权重滤波器的分布，突出目标区域部分，抑制背景区域部分。

5.根据权利要求1所述的基于时空时空正则化和上下文感知的相关滤波跟踪算法，其特征在于，

在步骤(4)中，所述对目标方程的求解，即通过最小化目标函数，所述最小化目标函数可表示为：

其中，w是滤波器模板，y是相关输出，wt‑1代表第(t‑1)帧的相关滤波器，γ是正则化系数； 代表空间正则项；Pw‑wt‑1P代表空间项； 代表上下文信息项。

6.根据权利要求5所述的基于时空时空正则化和上下文感知的相关滤波跟踪算法，其特征在于，在最小化的过程中，为得到最优的相关滤波器w，采用交替乘子方向法来解决最小化问题；其具体过程如下：

引入一个辅助变量g，令w＝q，设定步长参数为η，方程(1)即可表示为：其中，f是拉格朗日乘数，γ是惩罚因子；引入 公式(2)可变成下列形式：采用ADMM算法来求解以下子问题：式(4)中第一行在傅里叶域通过帕塞瓦尔定理被重写，进而被求导可得到闭式解：

式(4)第二行的闭式解即为：其中更新步长参数即为：

(i+1) max (i)

η ＝min(η ,ξη )          (7)。

7.根据权利要求1所述的基于时空时空正则化和上下文感知的相关滤波跟踪算法，其特征在于，

在步骤(5)中，所述重复步骤(2)到(4)，即对每一帧都进行相同的操作，直至视频序列结束，对初始帧和后续帧进行特征提取，构建目标方程，求解最优目标函数，进行卷积操作，确定目标位置，更新模板，初始帧的目标模板是给定的，后续帧的目标模板是通过前一帧目标位置来更新的。