技術(shù)特征：
1.一種對視頻中的目標進行分類的方法，包括：通過第一分類器初步進行與所述視頻中的至少兩個目標相關(guān)聯(lián)的分類；利用訓練所述第一分類器所用的第一特征中的至少一部分第一特征來訓練第二分類器；以及通過訓練好的第二分類器進一步進行與所述至少兩個目標相關(guān)聯(lián)的分類，其中，所述利用訓練所述第一分類器所用的第一特征中的至少一部分第一特征來訓練第二分類器的步驟包括：基于訓練樣本計算每個所述第一特征的類可分性度量，其中，所述訓練樣本選自所述第一分類器初步進行與所述視頻中的至少兩個目標相關(guān)聯(lián)的分類所得到的候選目標；根據(jù)所述類可分性度量選擇所述至少一部分第一特征；以及利用所述至少一部分第一特征訓練所述第二分類器。2.根據(jù)權(quán)利要求1所述的方法，其中，在所述利用訓練所述第一分類器所用的第一特征中的至少一部分第一特征來訓練第二分類器之后，所述方法還包括：選擇第二特征；以及利用所述第二特征基于經(jīng)所述至少一部分第一特征訓練的所述第二分類器訓練得到經(jīng)所述第二特征訓練的所述第二分類器；其中，所述通過訓練好的第二分類器進一步進行與所述至少兩個目標相關(guān)聯(lián)的分類的步驟包括：通過經(jīng)所述第二特征訓練的所述第二分類器和經(jīng)所述至少一部分第一特征訓練的所述第二分類器之一或其組合進一步進行與所述至少兩個目標相關(guān)聯(lián)的分類。3.根據(jù)權(quán)利要求1所述的方法，其中，在所述利用訓練所述第一分類器所用的第一特征中的至少一部分第一特征來訓練第二分類器之后，所 述方法還包括：選擇第二特征；以及利用所述第二特征基于經(jīng)所述至少一部分第一特征訓練的所述第二分類器訓練得到經(jīng)所述第二特征訓練的所述第二分類器；其中，所述通過訓練好的第二分類器進一步進行與所述至少兩個目標相關(guān)聯(lián)的分類的步驟包括：通過經(jīng)所述第二特征訓練的所述第二分類器和經(jīng)所述至少一部分第一特征訓練的所述第二分類器之一或其組合進一步進行與所述至少兩個目標相關(guān)聯(lián)的分類。4.根據(jù)權(quán)利要求3所述的方法，其中，所述選擇第二特征的步驟包括：基于訓練樣本生成第三特征；根據(jù)所述第三特征與所述第一特征的集合的相似性度量，以及所述第三特征在所述訓練樣本上的類可分性度量中的至少一個，從所述第三特征中選擇預定數(shù)量的第三特征作為所述第二特征。5.根據(jù)權(quán)利要求4所述的方法，其中，在從所述第三特征中選擇預定數(shù)量的第三特征作為所述第二特征的步驟之前，還包括：計算利用所述至少一部分第一特征訓練的第二分類器對所述訓練樣本進行分類的困難程度；根據(jù)所述困難程度從所述訓練樣本中刪除部分訓練樣本，其中，根據(jù)所述第三特征與所述第一特征的集合的相似性度量，以及所述第三特征在剩余的訓練樣本上的類可分性度量中的至少一個，從所述第三特征中選擇預定數(shù)量的第三特征作為所述第二特征。6.根據(jù)權(quán)利要求1-5之一所述的方法，其中，所述第一分類器是離線通用目標檢測器，而所述第二分類器是在線特定目標檢測器，所述通過第一分類器初步進行與所述視頻中的至少兩個目標相關(guān)聯(lián)的分類的步驟包括：通過所述離線通用目標檢測器檢測所述視頻中的所述至少兩個目標；并且所述通過訓練好的第二分類器進一步進行與所述至少兩個目標相關(guān)聯(lián)的分類的步驟包括：通過訓練好的在線特定目標檢測器跟蹤所述至少兩 個目標。7.根據(jù)權(quán)利要求6所述的方法，還包括：在所述至少兩個目標中的多個目標彼此接近時，重新將所述訓練好的在線特定目標檢測器作為第一分類器，將在線特定目標組檢測器作為第二分類器，訓練在線特定目標組檢測器；以及通過訓練好的在線特定目標組檢測器區(qū)分所述多個目標。8.根據(jù)權(quán)利要求1-5之一所述的方法，其中，所述第一分類器是在線特定目標檢測器，而所述第二分類器是在線特定目標組檢測器，所述通過第一分類器初步進行與所述視頻中的至少兩個目標相關(guān)聯(lián)的分類的步驟包括：通過所述在線特定目標檢測器跟蹤所述視頻中的所述至少兩個目標；并且所述通過訓練好的第二分類器進一步進行與所述至少兩個目標相關(guān)聯(lián)的分類的步驟包括：在所述至少兩個目標中的多個目標彼此接近時，通過訓練好的在線特定目標組檢測器區(qū)分所述多個目標。9.一種對視頻中的目標進行分類的裝置，包括：第一分類器，用于初步進行與所述視頻中的至少兩個目標相關(guān)聯(lián)的分類；第一訓練模塊，被配置用于利用訓練所述第一分類器所用的第一特征中的至少一部分第一特征來訓練第二分類器；以及所述第二分類器，用于進一步進行與所述至少兩個目標相關(guān)聯(lián)的分類，其中，所述第一訓練模塊包括：類可分性度量計算子模塊，被配置用于基于訓練樣本計算每個所述第一特征的類可分性度量，其中，所述訓練樣本選自所述第一分類器初步進行與所述視頻中的至少兩個目標相關(guān)聯(lián)的分類所得到的候選目標；第一特征選擇子模塊，被配置用于根據(jù)所述類可分性度量選擇所述至 少一部分第一特征；以及第一訓練子模塊，被配置用于利用所述至少一部分第一特征訓練所述第二分類器。