1.一种基于视频图像的对象融合方法，其特征在于，包括：
步骤101：采集包含第一对象的视频图像；
步骤102：根据所述包含第一对象的视频图像，建立所述第一对象的三维模型；
步骤103：获取至少一个第二对象的三维模型，将所述第二对象的三维模型与所述第一对象的三维模型进行融合，并将融合后的第二对象显示于所述包含第一对象的视频图像中。
2.根据权利要求1所述的基于视频图像的对象融合方法，其特征在于，所述步骤101，具体为：
采集包含所述第一对象的实景视频图像，以及采集所述第一对象的深度视频图像。
3.根据权利要求2所述的基于视频图像的对象融合方法，其特征在于，所述步骤102，具体为：
根据所述第一对象的深度视频图像，获取所述第一对象的三维深度信息及形状数据，建立所述第一对象的三维模型。
4.根据权利要求3所述的基于视频图像的对象融合方法，其特征在于，所述步骤103，具体为：
根据所述第一对象三维模型的形状数据，获取与所述第一对象匹配的第二对象的三维模型，与所述第一对象的三维模型进行融合，并将融合后的第二对象显示于所述包含第一对象的实景视频图像中。
5.根据权利要求3所述的基于视频图像的对象融合方法，其特征在于，所述步骤103，具体为：
获取第二对象的三维模型，将所述第二对象三维模型的形状数据调整至与所述第一对象匹配后，与所述第一对象的三维模型进行融合，并将融合后的第二对象显示于所述包含第一对象的实景视频图像中。
6.一种基于视频图像的对象融合终端，其特征在于，包括：
图像采集模块：用于采集包含第一对象的视频图像；
模型建立模块：用于根据所述包含第一对象的视频图像，建立所述第一对象的三维模型；
模型获取模块：用于获取至少一个第二对象的三维模型；
图像融合模块：用于将所述模型获取模块获取的所述第二对象的三维模型与所述第一对象的三维模型进行融合，并将融合后的第二对象显示于所述包含第一对象的视频图像中。
7.根据权利要求6所述的基于视频图像的对象融合终端，其特征在于，所述图像采集模块包括：
实景图像采集单元：用于采集包含第一对象的实景视频图像；
深度图像采集单元：用于采集第一对象的深度视频图像。
8.根据权利要求7所述的基于视频图像的对象融合终端，其特征在于，所述模型建立模块用于根据所述第一对象的深度视频图像，获取所述第一对象的三维深度信息及形状数据，建立所述第一对象的三维模型。
9.根据权利要求8所述的基于视频图像的对象融合终端，其特征在于，所述模型获取模块还用于根据所述第一对象三维模型的形状数据，获取与所述第一对象匹配的第二对象的三维模型。
10.根据权利要求8所述的基于视频图像的对象融合终端，其特征在于，所述图像融合模块还用于将所述模型获取模块获取的所述第二对象三维模型的形状数据调整至与所述第一对象匹配后，与所述第一对象的三维模型进行融合，并将融合后的第二对象显示于所述包含第一对象的实景视频图像中。