1.一种基于自适应权重联合学习的相关滤波目标跟踪方法，其特征在于，步骤如下：

步骤一、读入第一帧图像Image1及跟踪目标初始矩形信息；

步骤二、训练位置相关滤波器

(2-1)针对位置滤波器，在相关滤波框架下，围绕第一帧图像目标的中心点位置，依据初始矩形尺度在候选区域内循环采样得到候选样本，并对每一个候选样本提取方向梯度直方图HOG特征，得到训练样本集合X1，其中每个训练样本为 d为特征维度；

(2-2)对训练样本x(m，n)构建目标函数，并添加空间正则化项γ||c＊f||2来提高位置滤波器区分背景与目标的能力，其中γ为惩罚系数，*表示卷积运算，c表示从背景区域提取的HOG特征向量；

(2-3)对目标函数进行最小化计算，训练得到初始化的位置相关滤波器f；

步骤三、训练尺度相关滤波器

(3-1)针对尺度滤波器，在相关滤波框架下，围绕第一帧图像目标的中心点位置，在候选区域内依据不同矩形尺度采样得到候选样本，并对每一个候选样本提取HOG特征，并统一候选样本大小，得到训练样本集合Xscale，其中每个训练样本(3-2)对训练样本xscale(m，n)构建目标函数，训练得到初始的尺度相关滤波器fscale；

步骤四、读入下一帧图像Imaget，t＞1，获得相关滤波模型和颜色模型的置信度响应图(4-1)在候选区域内提取HOG特征，添加一个余弦窗后，将HOG特征与上一帧图像得到的位置相关滤波器做卷积操作，确保得到平滑的响应图；将卷积操作转换到傅里叶域变成点乘操作，将点乘操作的结果做傅里叶反变换，获得相关滤波模型的置信度响应图Sf；

(4-2)在候选区域内提取颜色直方图特征I，对颜色直方图特征做积分图运算，得到颜色模型的置信度响应图Sh；

步骤五、将平均峰值能量APE作为置信度指标决定融合权重的配比，将步骤四得到的置信度响应图Sf和Sh联合，自适应地融合相关滤波模型和颜色模型，得到最终的位置响应图S(x)，S(x)＝ωfSf+ωhSh，位置响应图S(x)的峰值点即为预测的目标中心位置，其中ωf和ωh分别为相关滤波模型和颜色模型的融合权重；

步骤六、在当前帧预测的中心位置处的候选区域内，依据不同尺度的矩形采样得到不同尺度样本并提取HOG特征，随后统一尺度样本大小；在傅里叶域，将每个尺度样本的HOG特征与上一帧得到的尺度相关滤波器fscale做点乘运算得到响应图，其中峰值最大的响应图所对应的尺度即为当前帧目标的最优尺度值；

步骤七、视频未结束时，则利用已经获得的当前帧目标信息重复步骤二和步骤三在线更新f和fscale，随后重复步骤四，读入下一帧图像；视频结束时则跟踪结束。