1.一种基于多策略融合的无人机跟踪方法，其特征在于，
包括：
基于centernet网络对无人机图像样本进行训练，生成特征图；
获取无人机信号，并对无人机信号进行分析处理后得到无人机的方向参数；
基于无人机的方向参数输出控制信号控制摄像机镜头转动，采集无人机的视频图像，得到无人机的估计位置；
对采集的视频图像进行图像块加权处理，基于视觉与频谱联合评估算法，得到无人机在视频图像里的具体位置；
基于opencv函数获取无人机的中心坐标，实时跟踪无人机。
2.如权利要求1所述的一种基于多策略融合的无人机跟踪方法，其特征在于，所述基于centernet网络对无人机图像样本进行训练，生成特征图的具体步骤，是：
获取无人机图像输入rgb三通道，并基于卷积神经网络处理，输出预测值；
基于网络前向传播，提取特征，得到特征图。
3.如权利要求1所述的一种基于多策略融合的无人机跟踪方法，其特征在于，所述获取无人机信号，并对无人机信号进行分析处理后得到无人机的方向参数得具体步骤，是：
检测并获取3公里范围内的无人机信号；
基于使用环境进行数据融合；
通过下变频、a/d采样、数字信道化和阵列信号处理提取无人机信号参数；
基于不同天线的参数进行幅相一体化测向处理，并与数据库比对，得到无人机型号；
基于多站测向交叉定位体制进行定位，得到无人机方向参数。
4.如权利要求1所述的一种基于多策略融合的无人机跟踪方法，其特征在于，所述基于无人机的方向参数输出控制信号控制摄像机镜头转动，采集无人机的视频图像，得到无人机的估计位置的具体步骤，是：
读取无人机方向参数；
计算方向参数与图像中心的差值；
通过数学模型计算出云台的转动量；
通过位置pd算法进行控制云台转动，所述位置pd算法模型如下：
其中，s(n)为控制输出，kp为比例控制参数，td为微分控制参数，e(n)为当前状态值与目标值之间的差值，n为控制次数，
s(n)＝kpe(n)+kd[e(n)-e(n-1)]。
5.如权利要求1所述的一种基于多策略融合的无人机跟踪方法，其特征在于，所述对采集的视频图像进行图像块加权处理，基于视觉与频谱联合评估算法，得到无人机在视频图像里的具体位置的具体步骤，是：
将图像分为三个图像块，并赋予加权参数；
基于centernet网络提取特征图每个类别的关键点；
对关键点进行置信度判断，获取具体位置。
6.如权利要求5所述的一种基于多策略融合的无人机跟踪方法，其特征在于，所述对关键点进行置信度判断，获取具体位置的具体步骤，是，
基于centernet算法对摄像机采集的原始图像进行第一次置信度判断，若特征图里的关键点小于阈值a，则摄像机放大固定倍数；
若特征图里的关键点大于阈值a，基于加权参数和特征响应值计算方式，使用centernet算法进行二次置信度判断；
若二次置信度判断特征峰值大于阈值b，用opencv函数画框显示，并回传无人机在图像里的中心坐标(x,y)。
7.如权利要求6所述的一种基于多策略融合的无人机跟踪方法，其特征在于，所述特征响应值计算方式的计算公式，是，
y(t)＝(ω+b(n))x(t)t≥0,n≥0
其中，y(t)代表特征响应值，t代表特征点排序号，x(t)代表原始centernet算法计算的每个特征点的响应值，ω代表图像块权重，b(n)表示摄像机每放大一次倍数提高的准确度，n代表摄像机放大倍数的次数；
b(n)＝(1.1)nβn≥0
其中，β为初始常量。