1.一种基于自适应特征融合的长时相关滤波目标跟踪方法，其特征在于，该方法具体包括以下步骤：

1)目标位置预测阶段：分别提取每一帧图像的HOG特征和颜色直方图特征，利用核相关滤波器和颜色直方图模型得到每种特征的响应图，并对每种特征响应图的峰值进行归一化，然后根据不同特征的响应峰值的归一化值来动态调整每种特征的权重，从而实现特征的自适应融合，并根据融合之后的特征响应图来估计出跟踪目标位置；

2)目标置信度检测阶段：在目标位置预测阶段得到跟踪目标位置后，利用检测滤波器对其进行检测，并得到其检测响应图，然后计算得到该响应图的APCE的归一化值和检测响应峰值，并利用其对检测结果进行置信度判断，若当前帧处于低置信度状态，则会进入目标再检测模块，利用SVM分类器对目标进行重新定位，然后以此确定目标的最终位置，最后将其转换到对数极坐标系中，利用相位相关的方法估计出目标的尺度变化，并对各种模型进行更新；其中APCE表示平均峰值能量。

2.根据权利要求1所述的长时相关滤波目标跟踪方法，其特征在于，在目标位置预测阶段中，根据不同特征的响应峰值的归一化值来动态调整每种特征的权重，从而实现特征的自适应融合，具体包括以下步骤：

(1)初始化HOG特征和颜色直方图特征的权重分别为whog，1、whist，1；

(2)根据核相关滤波器和颜色直方图模型分别计算得到当前帧HOG特征和颜色直方图特征的响应结果，即fhog，t、fhist，t；

(3)根据归一化值计算公式分别对HOG特征和颜色直方图特征的响应峰值进行归一化，得到μhog，t、μhist，t；当μhog，t或μhis，t小于阈值τ1时，将whog，t设置为一个高的固定值γ1；否则特征的权重计算公式如下：

(4)为了防止特征权重漂移，对第t帧特征权重的更新方式如公式：whog，t＝θ×whog，t+(1‑θ)×whog，1whis，t＝θ×whist，t+(1‑θ)×whist，1其中，θ表示特征权重更新率；

(5)第t帧图像融合之后最终的响应结果为：ft＝fhog，t×whog，t+fhist，t×whist，t。

3.根据权利要求1或2所述的长时相关滤波目标跟踪方法，其特征在于，归一化值计算公式为：

其中，fmax，t表示第t帧特征响应图中的响应峰值，μt表示第t帧特征响应峰值的归一化值。

4.根据权利要求1所述的长时相关滤波目标跟踪方法，其特征在于，在目标置信度检测阶段中，用APCE的归一化值和响应峰值来度量当前跟踪目标的可信度，即将其作为目标置信度检测的指标，其中平均峰值能量APCE及其归一化值μAPCE，t的计算公式为：其中，Fmax、Fmin分别表示响应图中的最大值和最小值，Fw，h表示响应图中坐标位置为(w，h)位置处的值，μAPCE，t表示第t帧检测响应图的APCE的归一化值，APCEt表示第t帧检测响应图的APCE值；

跟踪目标经过检测滤波器后，若其检测响应峰值Fmax，t小于阈值Tf1或APCE的归一化值μAPCE，t小于阈值Tapce1时，可认为目标处于低置信度状态，即此时目标丢失，不可靠；其余情况则表示目标可靠。

5.根据权利要求1所述的长时相关滤波目标跟踪方法，其特征在于，在目标置信度检测阶段中，所述目标再检测具体包括：利用SVM分类器对目标重新定位后，还需使用检测滤波器对重定位的目标检测并进行置信度判断，若当前帧检测响应峰值Fmax，t大于阈值Tf2或APCE的归一化值μAPCE，t大于阈值Tapce时，则认为重定位的目标可靠，否则采用原跟踪目标；

同时在跟踪的过程中，也需要对检测滤波器和SVM分类器进行更新，为了保持检测滤波器和SVM分类器的有效性，只有当目标处在高置信度状态时才更新，即当前帧检测响应峰值Fmax，t大于阈值Tf3或APCE的归一化值μAPCE，t大于阈值Tapce。