1.一种基于脑眼融合的多模态视频流目标检测方法，其特征在于：具体包括以下步骤：

步骤1、制作脑机实验范式

在多个地点采用不同角度拍摄目标行人视频，制作成快速视觉呈现范式；

步骤2、采集脑电数据和眼动数据

向被试播放步骤1中制作的视频内容，同步采集被试在观看视频内容时的脑电数据和眼动数据；

步骤3、数据预处理与样本对构建

对步骤2采集到数据进行预处理，得到脑电样本和眼动样本，并根据标签构建正负样本对；然后将脑电样本与眼动样本按顺序一一对应，在通道维度进行拼接，得到拼接样本；

步骤4、提取脑电特征和眼动特征

将一个样本对中的两个样本依次输入特征提取模型中，首先使用多头自注意力机制提取时空间注意力权重，获得不同维度之间的依赖关系，然后进行时间维度和空间维度的特征提取，从而得到两个样本的特征向量；

步骤5、对比学习

将一个样本对的两个特征向量映射到向量空间中，计算两个特征向量之间的空间距离，并通过损失函数对空间距离进行反向传播，更新特征提取模型的参数；

步骤6、多模态特征融合

将脑电样本、眼动样本依次输入经过对比学习后的特征提取模型中，将对应的拼接样本输入未进行对比学习的特征提取模型中，分别得到三个样本对应的特征向量，再输入分类器中，利用下采样的类别平衡数据对分类器进行训练，得到三个样本的独立预测结果；然后，训练一组自适应的可学习权重，用于将三个独立的预测结果融合在一起，从而输出最终的预测结果；

步骤7、线上视频目标检测

采集被试观看视频时产生的脑电数据和眼动数据，处理后输入步骤6训练好的特征提取模型与分类器中，得到对未知样本有无目标、目标出现和消失的预测，然后将预测结果为目标出现的样本的眼动数据取出，根据注视点和注视时间绘制注视区域，生成热点图，获得目标的运动轨迹。

2.如权利要求1所述一种基于脑眼融合的多模态视频流目标检测方法，其特征在于：制作脑机实验范式时，在多个地点以不同角度模拟监控摄像头拍摄视频流，目标为特定的一个人；将视频流剪辑成多个总时长10秒的视频片段，部分视频片段中有目标出现，其余视频片段中无目标出现；在无目标出现的视频中，与目标无关的物品和行人随机出现，用于干扰被试的判断；在有目标出现的视频中，目标出现的时间和位置随机，使用的交通工具随机，且衣饰不同，在部分视频中目标存在部分遮挡，同时与目标无关的物品和行人随机出现；经过剪辑后，在有目标出现的视频片段中，目标会在视频的第1s至第4s出现，并在对应视频的第5s至第8s消失，目标出现的持续时间均为4s。

3.如权利要求1所述一种基于脑眼融合的多模态视频流目标检测方法，其特征在于：使用64通道的Neuroscan设备进行非侵入式脑电采集，采用10‑20系统电极放置法，采集前所有电极的阻抗均保持在15KΩ以下，采样率为1000hz；使用SMI眼动仪进行眼动数据采集，被试被要求在未识别到目标时，注视屏幕正中心，观察到目标时，视线随目标移动，目标消失后继续注视屏幕正中心。

4.如权利要求1所述一种基于脑眼融合的多模态视频流目标检测方法，其特征在于：对采集到的脑电数据进行预处理，首先，对标记的坏道进行插值重建，然后进行巴特沃斯带通滤波处理，将信号滤波至0.1‑40Hz；接着，将数据降采样至250Hz，并标记出无目标、目标出现和目标消失时的ERP特征；然后将数据划分为多个片段，使用刺激开始前300ms的脑电数据对刺激开始后1500ms的脑电数据进行基线校准；对于无目标的脑电数据，按一定间隔切片作为无目标样本；对于有目标的数据，取目标出现前300ms至出现后1200ms的数据作为目标出现样本，取目标消失前300ms至目标消失后1200ms的数据作为目标消失样本。

5.如权利要求1所述一种基于脑眼融合的多模态视频流目标检测方法，其特征在于：对采集的眼动数据，首先降采样至250Hz；然后标记无目标、目标出现和目标消失时的注视点坐标和左右眼瞳孔大小，并按照时间戳划分片段，得到眼动样本。

6.如权利要求1所述一种基于脑眼融合的多模态视频流目标检测方法，其特征在于：将处理后的脑电样本按照无目标、目标出现、目标消失的标签构建正负样本对，同类别两两组合形成3种正样本对，不同类别两两组合形成3种负样本对，正负样本对的数量相等；将处理后的眼动样本按照同样方法正负样本对，眼动样本对的数量大于脑电样本对的数量。

7.如权利要求1所述一种基于脑眼融合的多模态视频流目标检测方法，其特征在于：使用EEGNet对经过多头自注意力机制的样本进行特征提取。

8.如权利要求1所述一种基于脑眼融合的多模态视频流目标检测方法，其特征在于：使用两个全连接层和一个激活层将样本对的特征向量展开、激活、降维，得到对应的估量值xz1、xz2：其中，δ‘()表示ELU函数，W∈R是一维卷积层的参数，g表示激活层和一维自适应卷积函数， 是两个全连接层的参数，r为超参数，表示缩放倍数；

sim

计算估量值xz1、xz2之间的余弦相似度z 来返回损失函数Loss：

其中M是负样本对的集合，N是正样本对的集合，bb表示偏置值。

9.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1～8中任一项所述的方法。