1.一种基于动态卷积核的红外小目标跟踪方法，其特征在于，包括以下步骤：S1、获取包含小目标的红外视频帧序列；S2、在红外视频帧序列内第一帧图像中选定目标，从目标中心扩展N倍边长，并重塑为正方形作为模板，所述模板中包括目标的外观信息及目标的局部周围场景；将红外视频帧序列内第i帧图像以目标中心坐标为中心扩展2N倍边长，并重塑为正方形作为搜索区域；i＞1；S3、将模板和搜索区域输入基于动态卷积模块的跟踪网络进行匹配，输出单帧图像中的目标；S4、将所述单帧图像中的目标中心坐标扩展2N倍边长，并重塑为正方形作为新的搜索区域，将模板和新的搜索区域输入基于动态卷积模块的跟踪网络进行匹配，输出单帧图像中的目标，直到所有帧均已跟踪完成；所述基于动态卷积模块的跟踪网络包括至少一个串联的动态卷积模块，所有动态卷积模块均与Siamese跟踪器的主干网络连接；所述动态卷积模块包括第一卷积层和多个第二卷积层级联而成的卷积单元；所述第一卷积层的输入为模板特征，所述卷积单元的输入为搜索区域特征；所述第一卷积层和所述卷积单元输出的特征级联后，输入第三卷积层；所述第三卷积层将级联后的特征映射为动态卷积核，所述动态卷积核与搜索区域特征进行卷积操作，得到响应图；所述响应图与所述搜索区域特征级联后得到动态卷积模块的输出；所述Siamese跟踪器包括主干网络和相似性计算部分；所述主干网络用于提取模板和搜索区域的特征，所述相似性计算部分在搜索区域内获取与模板相似的子区域，该子区域即输出目标。
2.根据权利要求1所述的基于动态卷积核的红外小目标跟踪方法，其特征在于，所述动态卷积模块的数量为大于或等于1。
3.根据权利要求1所述的基于动态卷积核的红外小目标跟踪方法，其特征在于，所述主干网络包括两个共享参数的特征提取模块，分别用于提取模板的特征和搜索区域的特征；所述特征提取模块为ResNet50网络，且所述ResNet50网络的第四阶段为最终输出。
4.根据权利要求3所述的基于动态卷积核的红外小目标跟踪方法，其特征在于，所述ResNet50网络的第四阶段下采样单元的卷积步幅为1。
5.根据权利要求3所述的基于动态卷积核的红外小目标跟踪方法，其特征在于，所述ResNet50网络的第四阶段的的3×3卷积替换为步幅为2的扩张卷积。
6.根据权利要求3所述的基于动态卷积核的红外小目标跟踪方法，其特征在于，通过互相关计算得到搜索区域内与模板相似的子区域。
