1.一种目标追踪方法，其特征在于，包括：构建基于改进yolov7目标检测框架的检测器；其中，改进的yolov7目标检测框架具有

16层主干网络；

构建基于目标颜色的建模和CSRT目标追踪算法的追踪器；

获取视频流以及所述视频流的初始帧；

根据所述初始帧初始化所述追踪器；

配置追踪时间条件；其中，所述追踪时间条件包括追踪计时器以及搜寻时限；

根据所述视频流以及所述追踪时间条件，通过所述追踪器对目标对象进行目标追踪；

在目标追踪过程中，通过所述检测器对所述目标对象所在的图像区域进行修正；

所述改进yolov7目标检测框架包括配置了动态学习机制的改进yolov7‑mobile目标检测框架；

所述动态学习机制具体如下：

通过全局平均池化输出 的池化层进行Squeeze运算；

通过全连通层、LeakyReLU激活函数、全连通层和h_sigmoid激活函数组合进行学习激励运算。

2.根据权利要求1所述的一种目标追踪方法，其特征在于，所述构建基于改进yolov7目标检测框架的检测器，包括：采用改进的yolov7目标检测框架构建改进yolov7模型；其中，所述改进yolov7模型具有16层主干网络；

对所述改进yolov7模型进行模型训练，得到目标检测模型；

结合动态学习机制和所述目标检测模型构建检测器。

3.根据权利要求1所述的一种目标追踪方法，其特征在于，所述配置所述追踪器，包括：截取所述视频流的初始帧；

确定目标对象所在的目标区域；

根据所述初始帧和所述目标区域，通过所述检测器确定目标对象轮廓；

根据所述初始帧和所述目标对象轮廓初始化所述追踪器。

4.根据权利要求1所述的一种目标追踪方法，其特征在于，所述根据所述视频流以及所述追踪时间条件，通过所述追踪器对所述目标对象进行目标追踪，包括以下至少之一：当目标对象不存在，则保存最后存在所述目标对象的图像帧中的目标模型，开启搜寻时限计时，通过所述检测器对搜寻时限内的图像帧进行目标检测，直至检测到所述目标对象或搜寻时限已到；

当目标对象存在且追踪计时器结束，则通过所述检测器的目标修正函数对所述图像帧进行目标修正并重置所述追踪计时器，重置所述追踪计时器后通过所述追踪器继续对所述目标对象进行目标追踪；

当目标对象存在且追踪计时器未结束，则通过所述追踪器对所述目标对象持续进行目标追踪。

5.根据权利要求4所述的一种目标追踪方法，其特征在于，所述通过所述检测器对搜寻时限内的图像帧进行目标检测，直至检测到所述目标对象或搜寻时限已到，包括：当检测到所述目标对象，则停止搜寻时间计时，通过所述追踪器对所述目标对象继续进行追踪；

当搜寻时限已到，则发出异常警报，停止目标追踪。

6.根据权利要求4所述的一种目标追踪方法，其特征在于，所述方法还包括：根据所述目标追踪的目标区域变化情况修正所述目标模型。

7.根据权利要求1所述的一种目标追踪方法，其特征在于，所述通过追踪器对所述目标对象进行目标追踪，还包括：获取图像帧之间的目标区域移动信息；

通过所述目标区域的移动信息预测所述目标区域在下一图像帧中的位置。

8.一种目标追踪系统，其特征在于，包括：第一模块，所述第一模块用于构建基于改进yolov7目标检测框架的检测器；其中，改进的yolov7目标检测框架具有16层主干网络，所述检测器用于对目标对象的所在区域进行修正；

第二模块，所述第二模块用于构建基于目标颜色的建模和CSRT目标追踪算法的追踪器；

第三模块，所述第三模块用于获取视频流以及所述视频流的初始帧；

第四模块，所述第四模块用于根据所述初始帧初始化所述追踪器；

第五模块，所述第五模块用于配置追踪时间条件；其中，所述追踪时间条件包括追踪计时器以及搜寻时限；

第六模块，所述第六模块用于根据所述视频流以及所述追踪时间条件，通过所述追踪器对所述目标对象进行目标追踪；

第七模块，所述第七模块用于在目标追踪过程中，通过所述检测器对所述目标对象所在的图像区域进行修正；

所述改进yolov7目标检测框架包括配置了动态学习机制的改进yolov7‑mobile目标检测框架；

所述动态学习机制具体如下：

通过全局平均池化输出的池化层进行Squeeze运算；

通过全连通层、LeakyReLU激活函数、全连通层和h_sigmoid激活函数组合进行学习激励运算。

9.一种电子设备，其特征在于，包括处理器以及存储器；

所述存储器用于存储程序；

所述处理器执行所述程序实现如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。