1.一种基于自适应更新策略的多特征无人机视频跟踪方法，其特征在于，包括以下步骤：(1)当前帧的图像输入以后，以上一帧中目标的位置为中心点裁剪出图像块，图像块的大小为目标大小的5倍；

(2)提取该图像块的HOG特征、CN特征、SA特征，使用相关滤波器计算出HOG响应图、CN响应图、SA响应图，并通过PSR对三种响应图进行融合得到融合后响应图；

(3)计算融合后响应图的PSR，如果PSR大于阈值，则融合后响应图的最大响应值点即为目标的位置；如果PSR小于阈值，则对融合后响应图进行去噪，去噪后的响应图的最大响应值点即为目标的位置；

(4)根据目标的位置来自适应更新相关滤波器。

2.根据权利要求1所述的一种基于自适应更新策略的多特征无人机视频跟踪方法，其特征在于，所述步骤(1)具体为：(1.1)如果当前帧为视频的第一帧，则目标的位置为已知的，即人为指定目标在第一帧中的位置；

(1.2)如果当前帧不是视频的第一帧，则以上一帧目标的位置为中心点，裁剪出图像块，其大小为目标大小的5倍。

3.根据权利要求1所述的一种基于自适应更新策略的多特征无人机视频跟踪方法，其特征在于，所述步骤(2)具体为：(2.1)提取图像块的HOG特征：首先将图像块转变为灰度图像；然后计算每个像素的梯度获得像素级特征图，将像素级特征图聚集到矩形单元的密集网格中，以获得基于单元的特征映射；接着在9个不敏感方向和18个敏感方向上使用27维直方图的四个不同归一化因子对齐截断和归一化；最后计算不同归一化因子的每个通道的和得到HOG特征F(HOG)；

(2.2)提取图像块的CN特征：将图像的RGB三原色与11个基本的颜色预选集进行关联，即与11个颜色语言标签进行关联，然后得到CN特征F(CN)；

(2.3)提取图像的SA特征：利用频谱残差方法提取图像的SA特征，在提取特征之前，对第k帧图像I(k)进行预处理，傅里叶变换F()用于获得图像I(k)在频域中的振幅特征A(k)和相位特征P(k)，计算公式如下所示：A(k)＝AC(F(I(k)))

P(k)＝PC(F(I(k)))

其中，AC()和PC()分别为提取振幅和相位的函数；利用对数谱来表示图像，公式如下所示：L(k)＝log(A(k))

振幅特征A(k)能够通过Hn和L(k)之间的卷积来近似表示，因此光谱残差r(k)能够通过如下公式获得：r(k)＝L(k)‑Hn*L(k)

其中，Hn是一个n×n的矩阵，其被定义为：

包含在图像中的显著性信息能够由光谱残差块r(k)捕获，显著性特征F(SA)通过如下公式获得：‑1 2

F(SA)＝G(k)*F [exp(r(k)+P(k))]‑1

其中，G(k)是一个高斯滤波器，F 是逆傅里叶变换；

(2.4)将HOG特征图、CN特征图、SA特征图与相关滤波器进行相关操作即可得到HOG响应图res(HOG)、CN响应图res(CN)、SA响应图res(SA)，公式如下所示：res(HOG)＝F(HOG)⊙HHOG

res(CN)＝F(CN)⊙HCN

res(SA)＝F(SA)⊙HSA

其中，⊙是点乘操作，HHOG、HCN、HSA分别为三种不同特征对应的相关滤波器；

(2.5)计算三种特征响应图的PSR，PSR计算公式如下所示：其中，i∈{HOG,CN,SA}，gmax()是响应图的最大响应值，μ()是响应图的均值，σ()是响应图的标准差；

(2.6)利用不同特征响应图的PSR对响应图进行增强，增强过程如下所示：Re(i)＝PSR(i)×res(i)

其中，i∈{HOG,CN,SA}，Re()为增强之后的特征响应图，即Re(HOG)、Re(CN)、Re(SA)；

(2.7)将三种增强之后的特征响应图两两融合，公式如下所示：R(HC)＝Re(HOG)⊙Re(CN)

R(HS)＝Re(HOG)⊙Re(SA)

R(CS)＝Re(CN)⊙Re(SA)

(2.8)最后分别计算融合后响应图的PSR得到最终特征响应图R(final)，其计算公式如下所示：其中，i,j∈{HC,HS,CS}。

4.根据权利要求1所述的一种基于自适应更新策略的多特征无人机视频跟踪方法，其特征在于，所述步骤(3)具体为：(3.1)计算最终响应图R(final)的PSR，计算公式如下所示：(3.2)如果PSR(final0的值大于阈值，那么最终响应图R(final)最大响应值点的位置即为目标的位置；

(3.3)如果PSR(final)的值小于阈值，那么需要对最终响应图R(final)进行去噪，首先计算最终响应图中最大响应值点与上一帧中目标位置之间的距离L，去噪图map(i,j)的大小为SL×SL，其中SL＝2.5×L

去噪图map(i,j)遵循中心值为1、边缘值为0的余弦分布；

(3.4)将去噪图map(i,j)与最终响应图R(final)中心对齐后进行点乘操作即可对最终响应图进行去噪，去噪后响应图的最大响应值点的位置即为目标的位置。

5.根据权利要求1所述的一种基于自适应更新策略的多特征无人机视频跟踪方法，其特征在于，所述步骤(4)具体为：(4.1)求出当前帧的响应图的PSR，即PSR(I(k))；

(4.2)求出历史帧的响应图的平均PSR，即(4.3)计算当前帧的置信度β，其计算公式如下所示：(4.4)通过置信度β来调整当前帧的更新权重V，其计算公式如下所示：其中，α和γ是预先设置的超参数；

(4.5)进行自适应模型更新，公式如下所示：Hk＝(1‑ηV)Hk‑1+ηVH’k

其中，η是初始学习率，Hk是当前帧的模型，Hk‑1是上一帧的模型，H’k是当前帧的向量图。

6.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1‑5中任一项所述的基于自适应更新策略的多特征无人机视频跟踪方法。

7.一种计算机设备，包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑5中任一项所述的基于自适应更新策略的多特征无人机视频跟踪方法。