1.一种基于多轨迹融合的多目标跟踪方法，其特征在于，包括以下步骤：
步骤1、输入当前视频帧，对该帧图像进行预处理操作；
步骤2、采用目标对象检测器，获取目标对象的边界框；
步骤3、对于每个检测到的物体计算其特征；
步骤4、计算当前帧检测到的候选目标与已有的跟踪目标的特征相似性，并采用匈牙利匹配算法进行匹配；
步骤5、将新产生的轨迹片段与旧的轨迹片段进行匹配，判断二者是否属于同一个身份；具体做法如下：
1）、检测独立未关联的轨迹片段是否发生了“溢出”边界情况；具体为判断目标边界框四个顶点的位置是否在边界领域范围，若有一个顶点在边界领域范围，则认为该目标正在发生“溢出”边界情况；边界即包括视频帧的上下左右边界，也包括监控视频场景内可以离开拍摄场景的区域；边界领域范围是指以边界为中心的一定宽度的多边形区域；
2）、判断出该轨迹片段是否处于正在溢出边界区域或者处于稳定的边界区域内后，通过线性运动模型计算其预测位置；如果该目标正处于溢出边界区域，在计算其预测位置和运动方向时，按照其序列中边界点中最大值进行计算，即考虑其边界框的四个顶点，取四个顶点的中发生变化最大的值作为运动估计的参考点；如果该目标正处于稳定的边界区域内，在计算其运动方向和预测位置时，按照其序列中边界点中最小值进行计算，即考虑其边界框的四个顶点，取四个顶点的中发生变化最小的值作为运动估计的参考点；
3）、根据预设的距离阈值，判断不同独立未关联上的轨迹序列是否属于同一个身份，如果属于同一身份，则将其关联起来；具体计算方法是计算旧轨迹的未来出现位置是否与现有的新轨迹存在大于阈值的相似性；
步骤6、删除符合预设条件的未被关联的旧轨迹。
2.根据权利要求1所述的多目标跟踪方法，其特征在于，所述步骤1中采用运动模糊补偿法对视频帧图像进行预处理。
3.根据权利要求1所述的多目标跟踪方法，其特征在于，所述步骤4中：当在检测结果中特征相似性最近且符合距离小于预设的距离阈值时，则认定该候选目标满足强关联条件并将其加入对应跟踪目标的轨迹当中；所有跟踪目标匹配结束后，将没有匹配到任何跟踪目标的候选目标加入轨迹管理序列中。
4.根据权利要求1所述的多目标跟踪方法，其特征在于，所述步骤5中新产生的轨迹是指新产生的，一定时间内跟踪得到的轨迹；旧的轨迹是指已经存在的，产生超过一定时间的跟踪轨迹。
5.根据权利要求1所述的多目标跟踪方法，其特征在于，采用线性插值方法在被关联的旧轨迹和新轨迹之间插入目标位置，以使得被关联的旧轨迹和新轨迹融合为同一轨迹；同时，将新轨迹的轨迹标识设置为关联的旧轨迹的轨迹id，从而使得该旧轨迹恢复为可正常预测关联的已存在的有效轨迹，继续进行目标跟踪。
6.根据权利要求1所述的多目标跟踪方法，其特征在于，所述步骤6的具体做法为将连续未更新帧数超过n帧的旧轨迹设置为无效轨迹，即该旧轨迹连续n+1帧未被关联时，该旧轨迹为无效轨迹，予以删除。