1.一种基于目标追踪的视频计算云边协同任务调度方法，其特征在于，包括如下步骤：对应用场景进行建模，构建以目标追踪为目的的云边协同框架，且所述云边协同框架包括终端、边缘计算端和云计算端；

所述步骤对应用场景进行建模，构建以目标追踪为目的的云边协同框架，且所述云边协同框架，包括终端、边缘计算端和云计算端包括如下子步骤：设定终端集合N，边缘计算端集合M，云计算端C和任务集合Γ；

将目标追踪任务定义为一个四元组Γi＝(Di,ci,σi,Mi)，其中Di为输入数据的大小，ci为完成这些数据计算的CPU周期数，σi为该任务容忍的最大延迟，Mi为与该终端物理连接的边缘控制器；

通过所述终端采集视频信息，形成视频数据流，并将视频数据流通过通信网络发送到边缘计算端；

根据云边协同框架及目标追踪的背景，构建通信模型；

所述步骤根据云边协同框架及目标追踪的背景，构建通信模型中，构建通信模型包括如下子步骤：采用三维笛卡尔坐标描述终端与地面上的边缘计算端之间的通信，计算终端和边缘计算端的位置，且分别可用 和 表示；

计算信道增益，且信道增益用 表示；

计算Ni和MES之间的网络传输速率，且Ni和MES之间的网络传输速率为计算任务γi的总的数据传输速率，且任务γi的总的数据传输速率为计算无线传输的数据传输率，且无线传输的数据传输率为计算任务γi卸载到Mj的传输延迟，且任务γi卸载到Mj的传输延迟为计算边缘计算端的计算延迟，且边缘计算端的计算延迟为 其中cj是完成大小e为Di,j数据每秒需要的CPU周期数，fj为边缘控制器j的CPU频率，表示边缘控制器的计算能力；

计算边缘计算端到云计算端的传输延迟，边缘计算端到云计算端的传输延迟为计算云计算端的处理延迟，且云计算端的处理延迟为 Dj,k是传输到云计算c端的数据，ck是完成大小为Dj,k数据每秒需要的CPU周期数，f是云计算端的CPU频率，表示云计算端的计算能力；

边缘计算端对终端的视频数据进行处理，计算任务时延，并根据时延来确定将任务视频数据发送到云计算端或/和边缘计算端进行处理；

获取最优卸载策略；

所述获取最优卸载策略包括采用部分卸载策略，部分卸载策略包括如下子步骤：对于边缘控制器，将βi定义为将数据卸载到云端的比率。1‑βi表示在边缘端进行计算的比率，将任务Γi分成两部分，一部分数据βisi在边缘端进行计算，另一部分数据(1‑βi)si传输到云端进行计算，其中si＝Di,j；

计算边缘计算端的传输时延，且边缘计算端传输时延为 其中，Dj，k＝βi·Di，j；

计算边缘计算端的计算时延，且边缘计算端的计算时延为计算云端的计算时延，且云端的计算时延为

部分卸载的卸载策略，最终得到的时延为

此模型下的总时延为

云边协同框架转化为时延优化模型：

C3:βi∈[0,1]

计算最佳卸载率，且最佳的卸载率为：

2.根据权利要求1所述的基于目标追踪的视频计算云边协同任务调度方法，其特征在于，所述终端为视频采集设备。

3.根据权利要求1所述的基于目标追踪的视频计算云边协同任务调度方法，其特征在于，所述边缘计算端包括手机、电脑、路由器和边缘服务器。

4.根据权利要求1所述的基于目标追踪的视频计算云边协同任务调度方法，其特征在于，所述终端、边缘计算端和任务均为多个，则所述终端集合N＝{1,2,3,…i,…,I}，边缘计算端集合M＝{1,2,3,…,j,…J}，云计算端C＝{k}和任务集合Γ＝{γ1,γ2,γ3,…,γi,…γl}。