1.一种无人机自主跟踪方法，其特征在于，包括下述步骤：

步骤一、对采集到的图像进行处理，运用目标跟踪算法对图像进行处理，所述目标跟踪算法的步骤如下：(1)、算法初始化，初始化分类器和跟踪目标窗口；在此过程中对目标进行正负样本采集，样本的表达形式为一种灰度差异性特征，特征采集表示为：(2)、对下一帧图像进行样本正负样本采集，利用分类器进行目标和背景的判别，使用kalman滤波器校正目标位置，Kalman滤波器结合现在目标的预测位置和现在目标的测量值，计算可知目标所在位置的最优估算值X(k|k)；

X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1)式中，Kg(k)为Kalman增益。通过Kalman滤波器得到的预测位置后，计算每一个样本与预测位置的距离，将位置距离信息变换为位置权系数加入到分类器中；

(3)、对目标进行第二次尺度变换的正负样本采集，在此位置上进行多个尺度模板的采集，利用分类器再次进行分类，得到最大响应值，更新分类器；

(4)、得到尺度改变后的目标位置后，再次采集正负样本用于更新分类器参数。

步骤二、对连续图像序列上计算目标跟踪目标和图像中心点的像素位置差；

步骤三、通过计算出的图像的位置差按照相应的映射关系计算无人机与目标在真实三维空间中的相对位移：在计算无人机与目标在真实三维空间中的相对位移式，所使用的相机标定坐标系包括：像素坐标系：原点O在图像的左上角，设定原点向右方向为U轴，原点向下放下为V轴；成像平面坐标系：设定坐标系原点OR为图像中心，即相机的光轴与成像平面的交点，向右为XR轴，向下为YR轴；相机坐标系：坐标系原点OC为相机光心，XC轴与YC轴平面与镜头面重合且平行于成像平面坐标系与像素坐标系，ZC轴与光轴方向重合；惯性坐标系：原点OW为四旋翼无人机云台位置在地面上的投影，机头方向为XI轴方向，以右手准则确定YI轴方向，ZI轴垂直于地面；坐标系间的坐标转换方法是：利用成像平面坐标系作为转换过程的中间条件，从像素坐标系先转换到成像平面坐标系，然后转换到相机坐标系，最后推导得出惯性坐标系中的坐标；

步骤四、计算出的相对位移相关信息提供给飞行控制模块，进而调整无人机的飞行姿态，最后实现飞行跟随。

2.根据权利要求1所述无人机自主跟踪方法，其特征在于，

上述步骤一，

(1)中，利用压缩感知矩阵对特征维度进行压缩；

式中，y表示标号，y＝1代表正样本即目标，y＝0代表负样本即背景。数学上可证高维的随机向量的随机投影总是符合高斯分布的，因此在分类器H(v)中的条件分布p(vi|y＝1)和p(vi|y＝0)符合高斯分布：式中， 表示正样本的第i个特征的均值和， 表示正样本的第i个特征的标准差， 表示为负样本的第i个特征的均值， 表示为负样本的第i个特征的标准差，则H(v)最大响应值位置即为理论认为最可能的目标位置；

(2)中，此时分类器表达为：

为了减少误差因素影响，其位置权系数做tanh归一化处理；

(3)中，分类器更新表达为：

式中， 表示正样本的第i个特征的均值和， 表示正样本的第i个特征的标准差， 表示为负样本的第i个特征的均值， 表示为负样本的第i个特征的标准差，λ为学习速率，λ＞

0且为常数，新的学习速率由下式可得：

λ'＝λ/L

式中，L为上一帧和当前帧处理结果的Bhattacharyya距离。