1.一种结合时空拓扑估计的跨摄像机目标匹配与跟踪方法，其特征在于：包括以下步骤：S1.将两两摄像机之间的转移概率初始化为M为监控网络中摄像机的数量；时间窗口设置为TW＝τ，τ为预设值，两两摄像机间的转移计数器初始化为0；S2.设当前摄像机为Ci，摄像机Ci内的行人目标表示为Oi,a；在设定的时间窗口内搜索其他摄像机中出现的行人目标；S3.设在摄像机Cj中搜索得到的行人目标为Oj,b，i≠j,1≤j≤M，计算行人目标Oi,a、Oj,b之间的匹配概率：的转移次数；S8.根据步骤S7计算两两摄像机之间的转移概率；S9.记录摄像机Ci到摄像机Cj所有匹配的行人目标之间的时间间隔，构成时间序列Tij，然后利用自适应的Parzen窗算法估计出摄像机Ci与摄像机Cj之间的转移时间分布的概率密度曲线，取与曲线峰值对应的时间差值作为时间窗口大小T(Cj|Ci)的估计值；S10.根据步骤S9估算出两两摄像机之间的时间窗口大小；S11.更新摄像机Ci、摄像机Cj之间的转移概率：Pij(k)＝(1-α)Pij(k-1)+αP(Cj|Ci)Pij(k)表示第k次迭代得到的摄像机Ci到摄像机Cj的转移概率，α是更新因子，0≤α≤1，P i j (k-1) 表示第k-1次迭代得到的摄像机C i到摄像机C j的转移概率，当k＝1时，S12.根据步骤S11对两两摄像机之间的转移概率进行更新；S13.更新摄像机Ci与摄像机Cj之间的时间窗口：Tij(k)＝(1-η)Tij(k-1)+ηT(Cj|Ci)其中Tij(k)表示第k次迭代得到的摄像机Ci与摄像机Cj之间的时间窗口，Tij(k-1)表示第k-1次迭代得到的摄像机Ci与摄像机Cj之间的时间窗口，当k＝1时，Tij(k-1)＝τ，η表示更新因子；S14 .判断是否达到了设定的迭代次数，若是则输出转移概率以及时间窗口估计值，完成拓扑结构估计，结束迭代，否则令k＝k+1然后执行步骤S6～S14。2.根据权利要求1所述的结合时空拓扑估计的跨摄像机目标匹配与跟踪方法，其特征在于：步骤S3通过求取目标Oi,a、Oj,b所有图像对的平均表观相似度来表示目标Oi,a、Oj,b最终的表观相似度，即E[·]为期望函数；其中目标Oi,a、Oj,b

每对图像对的表观相似度的求取过程如下：S101.设d＝mn是目标Oi ,a的图像IA中以像素x为中心的一个局部小块所展开的

像素向量；设V1,V2,...,VK是一系列Walsh-Hardmard变换基，其中d＝mn表示一个由

大小为m×n的Walsh-Hardmard变换矩阵所展开的向量；令表示X在第i个变换

基上的投影值，则X的概率密度函数可由下式计算：则像素点x的显著值由下式计算：

S102.通过对图像IA中的每个像素执行步骤S101可得到目标Oi ,a的图像IA的显著图，然后对显著图进行阈值化处理，将显著值低于阈值的像素的显著值置为0，最后计算该阈值下的HSV颜色直方图特征：其中，k＝1,2,...,K，K表示直方图的bin数，m表示颜色通道，Cm(z)表示像素z对应的第m个通道像素值在直方图中的量化值，S(z)为像素z经过阈值化处理后的显著值,δ(·)为指示函数，

S103.利用不同的阈值依次对图像IA的显著图进行步骤S102的阈值化处理，然后计算不同阈值下的HSV颜色直方图特征，将不同阈值下的HSV颜色直方图特征串联起来后得到图像IA的加权全局颜色直方图特征HA；S104.对与图像IA形成图像对的Oj ,b的图像IB执行步骤S101～S103，得到图像IB的加权全局颜色直方图特征HB；S105.通过Bhattacharyya距离来度量图像IA、图像IB之间的相似程度：其中HA(i)、HB(i)分别表示直方图向量HA、HB的第i维特征值；S106.将图像IA划分为有重叠的局部子块，然后对每个局部子块分别提取颜色直方图特征以及SIFT特征作为局部子块的码字，这些码字的集合则作为图像IA的码本；S107.对图像IB执行步骤S106；S1 0 8 .以图像I A的码本作为字典对图像I B的码字进行稀疏编码，字典表示为其中，Fi表示结构性局部特征向量F的第i个分量；S111.通过以上求解，定义目标Oi,a、Oj,b的图像对IA与IB之间的综合距离为：d(IA,IB)＝dWH(IA,IB)+β·dSC(IA,IB)；其中dWH(IA,IB)＝dBh(HA,HB)；最终定义目标Oi,a、Oj,b的图像对IA与IB之间的综合表观相似度为：其中γ为衰减因子。