1.基于遗忘曲线模板更新的孪生网络目标跟踪方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的基于遗忘曲线模板更新的孪生网络目标跟踪方法，其特征在于，步骤1中，整体网络结构分为四部分：第一部分是用于深度特征提取的孪生神经网络，即特征提取网络，第二部分是包含基于遗忘曲线以及模板融合的模板更新模块，即fcm模块，第三部分是用于通过特征图准确定位目标的互相关网络，即目标位置预测模块；第四部分是用于判断当前结果是否可靠的双层模板更新阈值判断机制，即阈值判断模块。
3.根据权利要求2所述的基于遗忘曲线模板更新的孪生网络目标跟踪方法，其特征在于，步骤1中，对整体网络的结构进行端到端的训练具体为：使用元学习one-shotlearning，在每个数据集视频中随机选取四个视频帧组成图片对，前三张作为目标图，最后一张作为搜索图用来训练网络，每个视频选取10个图片对，每个图片对含有四张视频帧，第一张视频帧为该视频的第一帧，后面3张图在视屏中随机选取，第二张和第三张图片间距不超过15帧，第三张和第四张图片间距不超过10帧，前三张视频帧作为目标图用于合成跟踪模板，最后一张视频帧作为搜索图，在搜索图处理中，导入到模板更新模块的三张图片是一样，均是图片对的最后一张图，训练50次，batch_size设为8，一次导入的图片为32对，损失函数采用logistic损失函数。
4.根据权利要求3所述的基于遗忘曲线模板更新的孪生网络目标跟踪方法，其特征在于，生成训练用图片对，需要对选取的图片进行数据增强，数据增强具体按照以下步骤实施：
5.根据权利要求1所述的基于遗忘曲线模板更新的孪生网络目标跟踪方法，其特征在于，步骤2的具体过程为：
6.根据权利要求5所述的基于遗忘曲线模板更新的孪生网络目标跟踪方法，其特征在于，步骤3的具体过程为：
7.根据权利要求6所述的基于遗忘曲线模板更新的孪生网络目标跟踪方法，其特征在于，步骤4中，双层模板更新阈值判断机制的具体过程为：