1.一种目标跟踪方法，其特征在于，应用于目标监控系统中的前端设备，所述方法至少包括：
获取待检测图像前一帧图像中的目标位置，根据所述目标位置确定所述待检测图像当前帧图像中的目标框位置；
根据预设的分类器对所述目标框位置进行一次分类，用于对所述待检测图像当前帧图像中的目标位置进行初步分类,并对一次分类结果进行目标融合后得到一次目标框，根据所述一次目标框确定所述待检测图像当前帧图像的一次目标框位置；
根据所述分类器对所述一次目标框位置进行二次分类，用于对所述待检测图像当前帧图像中的目标位置进行精确分类,并对二次分类结果进行目标融合后得到二次目标框，根据所述二次目标框确定所述待检测图像当前帧图像的目标位置。
2.如权利要求1所述的目标跟踪方法，其特征在于，在获取待检测图像前一帧图像中的目标位置之前，还包括：
离线获取训练样本，所述训练样本由正样本和负样本组成；
从所述训练样本中提取出图像特征，所述图像特征包括HOG特征和SUR特征；
根据压缩降维方法对所述图像特征进行降维后得到降维图像特征；
将所述降维图像特征输入到SVM中进行训练后得到所述分类器。
3.如权利要2所述的目标跟踪方法，其特征在于，根据压缩降维方法对所述图像特征进行降维后得到降维图像特征，具体包括：
根据稀疏测量矩阵对所述图像特征进行一次降维后得到稀疏图像特征；
根据主成分分析算法PCA对所述稀疏图像特征进行二次降维后得到降维图像特征。
4.如权利要求1所述的目标跟踪方法，其特征在于，根据所述目标位置确定所述待检测图像当前帧图像中的目标框位置，以及根据所述一次目标框确定所述待检测图像当前帧图像的一次目标框位置，具体包括：
以所述目标位置为圆心、第一预设半径产生圆，并在所述圆内确定多个目标位置，根据所述多个目标位置确定出当前帧图像中的目标框位置；
以所述一次目标框为圆心、第二预设半径产生圆，并在所述圆内确定出多个一次目标框，根据所述多个一次目标框确定出当前帧图像中的一次目标框位置；
其中,所述第一预设半径不小于所述第二预设半径。
5.如权利要求1所述的目标跟踪方法，其特征在于，所述目标融合的公式具体为：
Rect[x，y]＝mean(Rect[x0，y0]，…，Rect[xn，yn]}
其中，Rect[xi，yi]的i＝0,1,...,n对应分类结果为y＝1的所有目标框,xi，yi对应的是目标框左上角的坐标位置。
6.一种目标跟踪设备，其特征在于，所述设备至少包括：
获取模块，用于获取待检测图像前一帧图像中的目标位置，根据所述目标位置确定所述待检测图像当前帧图像中的目标框位置；
第一确定模块，用于根据预设的分类器对所述目标框位置进行一次分类，用于对所述待检测图像当前帧图像中的目标位置进行初步分类,并对一次分类结果进行目标融合后得到一次目标框，根据所述一次目标框确定所述待检测图像当前帧图像的一次目标框位置；
第二确定模块，用于根据所述分类器对所述一次目标框位置进行二次分类，用于对所述待检测图像当前帧图像中的目标位置进行精确分类,并对二次分类结果进行目标融合后得到二次目标框，根据所述二次目标框确定所述待检测图像当前帧图像的目标位置。
7.如权利要求6所述的目标跟踪设备，其特征在于，所述获取模块在获取待检测图像前一帧图像中的目标位置之前，还包括：
离线获取训练样本，所述训练样本由正样本和负样本组成；
从所述训练样本中提取出图像特征，所述图像特征包括HOG特征和SUR特征；
根据压缩降维方法对所述图像特征进行降维后得到降维图像特征；
将所述降维图像特征输入到SVM中进行训练后得到所述分类器。
8.如权利要7所述的目标跟踪设备，其特征在于，还包括训练模块，具体用于：
根据稀疏测量矩阵对所述图像特征进行一次降维后得到稀疏图像特征；
根据主成分分析算法PCA对所述稀疏图像特征进行二次降维后得到降维图像特征。
9.如权利要求6所述的目标跟踪设备，其特征在于，所述获取模块根据所述目标位置确定所述待检测图像当前帧图像中的目标框位置，以及所述第一确定模块根据所述一次目标框确定所述待检测图像当前帧图像的一次目标框位置，具体为：
以所述目标位置为圆心、第一预设半径产生圆，并在所述圆内确定多个目标位置，根据所述多个目标位置确定出当前帧图像中的目标框位置；
以所述一次目标框为圆心、第二预设半径产生圆，并在所述圆内确定出多个一次目标框，根据所述多个一次目标框确定出当前帧图像中的一次目标框位置；
其中,所述第一预设半径不小于所述第二预设半径。
10.如权利要求6所述的目标跟踪设备，其特征在于，所述目标融合的公式具体为：
Rect[x，y]＝mean{Rect[x0，y0]，...，Rect[xn，yn]}
其中，Rect[xi，yi]的i＝0,1,...,n对应分类结果为y＝1的所有目标框,xi，yi对应的是目标框左上角的坐标位置。