1.一种适用于高速公路隧道监控场景的车辆多目标跟踪方法，其特征在于，包括以下步骤：S1.采用目标检测模型检测当前帧的车辆目标，对车辆目标检测结果和车辆目标轨迹进行分类；

车辆目标检测结果分为：高置信度检测结果Dhigh和低置信度检测结果Dlow；

车辆目标轨迹分为：已确认轨迹Tconfirmed和未确认轨迹Tunconfirmed；

已确认轨迹Tconfirmed分为：激活状态的已确认轨迹Tconfirmed和丢失状态的已确认轨迹Tconfirmed；

S2.将步骤S1中的高置信度检测结果Dhigh和所有已确认轨迹Tconfirmed进行匹配，从而得到匹配成功的关联对1、未匹配成功的高置信度检测结果和未匹配成功的轨迹；

其中设计两个不同预测分支，对已确认轨迹Tconfirmed进行预测，获取预测值：预测分支1：已确认轨迹Tconfirmed处于激活状态时，采用卡尔曼滤波进行运动预测；

预测分支2：已确认轨迹Tconfirmed处于丢失状态时，检查已确认轨迹Tconfirmed的历史轨迹数据，历史轨迹的长度大于4，则采用Cubic Spline插值法进行轨迹预测，否则采用卡尔曼滤波进行运动预测；

S3.将步骤S1中的低置信度检测结果Dlow和步骤S2中处于激活状态且未匹配成功的轨迹进行匹配，从而得到匹配成功的关联对2、未匹配成功的高置信度检测结果和未匹配成功的轨迹，其中匹配时使用IoU计算相似度；

S4.将步骤S2中未匹配成功的高置信度检测结果和步骤S1中未确认轨迹Tunconfirmed进行匹配，从而得到匹配成功的关联对3、未匹配成功的高置信度检测结果和未匹配成功的轨迹；

S5.更新步骤S2～S4的匹配结果，重复步骤S1～S4以及步骤S5的更新，即构建隧道内车辆多目标跟踪模型；

S6.制作高速公路隧道车辆目标跟踪数据集，制作的数据集联合目标检测模型训练隧道内车辆多目标跟踪模型。

2.根据权利要求1所述的一种适用于高速公路隧道监控场景的车辆多目标跟踪方法，其特征在于：所述步骤S1中，置信度检测结果的评判标准为低分阈值和高分阈值；

其中，低分阈值θL＝0.2，高分阈值θH＝0.6；

车辆目标的检测得分Score≥θH为高置信度检测结果Dhigh；

车辆目标的检测得分θL≤Score＜θH为低置信度检测结果Dlow。

3.根据权利要求1所述的一种适用于高速公路隧道监控场景的车辆多目标跟踪方法，其特征在于：所述步骤S2包括以下子步骤：S2.1设计预测算法对已确认轨迹Tconfirmed进行预测，获取预测值；

S2.2使用IoU计算预测值与高置信度检测结果Dhigh之间的相似度，生成距离矩阵Dis；

S2.3借助匈牙利算法，利用距离矩阵Dis将高置信度检测结果Dhigh与已确认轨迹Tconfirmed进行匹配，从而得到匹配成功的关联对1、未匹配成功的高置信度检测结果和未匹配成功的轨迹。

4.根据权利要求2所述的一种适用于高速公路隧道监控场景的车辆多目标跟踪方法，其特征在于：所述步骤S2.2中，距离矩阵Dis的计算表达式如下：Dis＝1‑IoU

式中：a是高置信度检测结果Dhigh的边界框；b是对已确认轨迹Tconfirmed预测后得到的边界框；Area(a)和Area(b)分别表示a和b的面积。

5.根据权利要求2所述的一种适用于高速公路隧道监控场景的车辆多目标跟踪方法，其特征在于：所述步骤S3包括以下子步骤：S3.1采用CDIoU计算步骤S2中处于激活状态且未匹配成功的轨迹与步骤S1中低置信度检测结果Dlow之间的相似度，生成距离矩阵DisCD；

S3.2借助匈牙利算法，利用距离矩阵DisCD将步骤S1中的低置信度检测结果Dlow与步骤S2中处于激活状态且未匹配成功的轨迹进行匹配，从而得到匹配成功的关联对2、未匹配成功的低置信度检测结果和未匹配成功的轨迹。

6.根据权利要求5所述的一种适用于高速公路隧道监控场景的车辆多目标跟踪方法，其特征在于：所述步骤S3.1中，距离矩阵DisCD的计算表达式如下：DisCD＝1‑CDIoU

CDIoU＝IoU+λ(1‑diou)

式中：IoU表示步骤S1中低置信度检测结果Dlow和步骤S2中处于激活状态且未匹配成功的轨迹的交并比；λ是权重系数；diou表示距离度量；DL表示低置信度检测结果Dlow的边界框；TH表示步骤S2中处于激活状态且未匹配成功的轨迹的边界框；||DL‑TH||2表示两边界框4个顶点欧氏距离之和；MBR表示包围DL和TH两边界框的最小矩阵；Diagonal(MBR)表示MBR矩阵的对角线长度。

7.根据权利要求5所述的一种适用于高速公路隧道监控场景的车辆多目标跟踪方法，其特征在于：所述步骤S4包括以下子步骤：S4.1使用IoU计算步骤S1中未确认轨迹Tunconfirmed与步骤S2中未匹配成功的高置信度检测结果之间的距离矩阵；

S4.2借助匈牙利算法，利用步骤S4.1计算的距离矩阵将步骤S2中未匹配成功的高置信度检测结果和步骤S1中未确认轨迹Tunconfirmed进行匹配，从而得到匹配成功的关联对3、未匹配成功的高置信度检测结果和未匹配成功的轨迹。

8.根据权利要求7所述的一种适用于高速公路隧道监控场景的车辆多目标跟踪方法，其特征在于：所述步骤S5包括以下子步骤：S5.1采用卡尔曼滤波对步骤S2～S4匹配成功的关联对1、关联对2和关联对3进行轨迹更新；

S5.2将步骤S3中未匹配成功的轨迹更新为丢失状态，丢失状态的轨迹可保留60帧，超出60帧则将轨迹则更新为移除状态；步骤S3中未匹配成功的低置信度检测结果删除；

S5.3将步骤S4中匹配成功的关联对3更新为激活状态的已确认轨迹Tconfirmed；未匹配成功的高置信度检测结果更新为新轨迹，即未确认轨迹Tunconfirmed；未匹配成功的轨迹更新为移除状态；

S5.4重复步骤S1～S4以及步骤S5.1～S5.3的内容。

9.根据权利要求8所述的一种适用于高速公路隧道监控场景的车辆多目标跟踪方法，其特征在于：所述步骤S6包括以下子步骤：S6.1制作高速公路隧道车辆目标跟踪数据集；

采集高速公路隧道内的视频数据，使用DarkLabel软件进行数据标注；

S6.2在制作的数据集上联合目标检测模型训练隧道内车辆多目标跟踪模型，用Adam优化器优化模型损失，得到并保存模型权重；

S6.3隧道内车辆多目标跟踪模型加载权重。