1.一种目标跟踪方法,其特征在于,包括:
接收目标跟踪请求,并确定所述目标跟踪请求对应的跟踪目标和所述跟踪目标的当前帧;
利用尺度滤波自适应算法从所述当前帧中提取所述跟踪目标的梯度直方图特征,并利用均值偏移算法从所述当前帧中提取所述跟踪目标的颜色特征;
利用预先经梯度直方图特征和颜色特征融合得到的多特征融合尺度滤波自适应算法,对所述梯度直方图特征和所述颜色特征进行训练,得到目标位置滤波器和目标尺度滤波器;
结合所述目标位置滤波器和所述目标尺度滤波器预测所述跟踪目标在下一帧各候选区域中的第一目标区域。
2.根据权利要求1所述的目标跟踪方法,其特征在于,在确定所述目标跟踪请求对应的跟踪目标和所述跟踪目标的当前帧之后,还包括:利用所述均值偏移算法预测所述跟踪目标在各所述候选区域中的第二目标区域;
对所述第一目标区域与所述第二目标区域进行线性组合,得到修正后目标区域。
3.根据权利要求2所述的目标跟踪方法,其特征在于,在得到修正后目标区域之后,还包括:利用中心误差算法对所述修正后目标区域进行校验。
4.根据权利要求2所述的目标跟踪方法,其特征在于,利用所述均值偏移算法预测所述跟踪目标在各所述候选区域中的第二目标区域,包括:利用所述均值偏移算法计算所述跟踪目标在当前帧中各颜色特征对应的概率密度,得到当前帧模型,并计算各所述候选区域中各颜色特征对应的概率密度,得到各候选模型;
分别根据当前帧中各颜色特征对应的概率密度与各所述候选区域中各颜色特征对应的概率密度,计算当前帧模型与各所述候选模型的巴氏系数;
将各所述巴氏系数中的最大值对应的候选区域预测为所述第二目标区域。
5.根据权利要求1至4任一项所述的目标跟踪方法,其特征在于,结合所述目标位置滤波器和所述目标尺度滤波器预测所述跟踪目标在下一帧各候选区域中的第一目标区域,包括:结合所述目标位置滤波器和所述目标尺度滤波器,分别计算所述跟踪目标的当前帧与各所述候选区域的相关分数;
根据各所述相关分数中的最大值对应的候选区域,分别预测所述跟踪目标在下一帧中的第一位置信息和第一尺度信息;
结合所述第一位置和所述第一尺度信息预测所述第一目标区域。
6.一种目标跟踪装置,其特征在于,包括:
目标及当前帧确定模块,用于接收目标跟踪请求,并确定所述目标跟踪请求对应的跟踪目标和所述跟踪目标的当前帧;
特征提取模块,用于利用尺度滤波自适应算法从所述当前帧中提取所述跟踪目标的梯度直方图特征,并利用均值偏移算法从所述当前帧中提取所述跟踪目标的颜色特征;
滤波器获得模块,用于利用预先经梯度直方图特征和颜色特征融合得到的多特征融合尺度滤波自适应算法,对所述梯度直方图特征和所述颜色特征进行训练,得到目标位置滤波器和目标尺度滤波器;
第一区域预测模块,用于结合所述目标位置滤波器和所述目标尺度滤波器预测所述跟踪目标在下一帧各候选区域中的第一目标区域。
7.根据权利要求6所述的目标跟踪装置,其特征在于,还包括:第二区域预测模块,用于在确定所述目标跟踪请求对应的跟踪目标和所述跟踪目标的当前帧之后,利用所述均值偏移算法预测所述跟踪目标在各所述候选区域中的第二目标区域;
修正后目标区域获得模块,用于对所述第一目标区域与所述第二目标区域进行线性组合,得到修正后目标区域。
8.根据权利要求6或7所述的目标跟踪装置,其特征在于,所述第一区域预测模块包括:相关分数计算子模块,用于结合所述目标位置滤波器和所述目标尺度滤波器,分别计算所述跟踪目标的当前帧与各所述候选区域的相关分数;
位置及尺度预测子模块,用于根据各所述相关分数中的最大值对应的候选区域,分别预测所述跟踪目标在下一帧中的第一位置信息和第一尺度信息;
第一区域预测子模块,用于结合所述第一位置和所述第一尺度信息预测所述第一目标区域。
9.一种目标跟踪设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述目标跟踪方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述目标跟踪方法的步骤。