1.一种基于图像背景提取前提的蚁群多细胞跟踪系统，其特征在于对截取的原始图像区域，通过三个模块：先验蚁群分布模块、多蚁群重构模块、细胞身份管理与状态提取模块的分析，实现多细胞的自动跟踪；所述先验蚁群分布模块根据原始图像背景概率估计结果将蚁群按概率分布在细胞最可能出现的区域；所述多蚁群重构模块根据启发式直方图性和信息素大小将蚁群进行重新分配，并形成相应的信息素场；所述细胞身份管理与状态提取模块通过快速蚁群聚类算法来提取细胞的数目与状态，并通过某细胞对应的蚁群中有身份识别属性和无身份识别属性的蚂蚁比例来确定该细胞的身份属性。

2.权利要求1所述的蚁群多细胞跟踪系统，其特征在于所述先验蚁群分布模块旨在给出蚁群的初始分布，其通过细胞图像背景提取技术实现，具体步骤为：

1）色彩空间转换：对于视频任一帧RGB图像，像素i的RGB强度可表示为T

zi(k)=[Ri(k),Gi(k),Bi(k)]，其对应的rgI色彩强度 可表示为：ri(k)=Ri(k)/(Ri(k)+Gi(k)+Bi(k))gi(k)=Gi(k)/(Ri(k)+Gi(k)+Bi(k))；

Ii(k)=(Ri(k)+Gi(k)+Bi(k))/256

2）背景概率：像素i属于背景的概率为 其中di(k)表示上述三个颜色通道r,g,I之一的d在第k帧第i个像素的强度，di(j)表示三个颜色通道r,g,I之一的d在集合Ω={z(0),z(k0),z(2k0),...,z((N-1)k0)}中的第j个分量的第i个像素的强度； median|·|表示均值绝对偏差；

3）先验蚁群产生：针对图像中任一像素i，随机产生一随机数r，若 则将蚂蚁置放在该像素i上，否则，该像素i不分配任何蚂蚁；

4）通过上述3个步骤，可将一幅图像上所有像素按概率分配蚂蚁先验所在位置。

3.权利要求1或2所述的蚁群多细胞跟踪系统，其特征在于所述多蚁群重构模块旨在将先验蚁群分布模块产生的蚁群和上一帧蚁群状态的一步预测蚁群一起进行重新分布，即形成多个蚁群，每个蚁群对应细胞存在的位置，具体步骤为：

1）初始化：图像上任一个像素p所在位置给定信息量τ(0,p)=c，且初始的扩散输入q(0,p)=0；

2）对 于 蚂 蚁 在 像 素 p所 在 位 置，按 概 率 选 择 下 一 像 素j，即其 中 似 然 函 数 定 义 为 和是模板库T{0}中 的第j个分量，T1为阈值，

α,β为控制参数，N(p)为像素p的近邻像素(最多4个，上、下、左、右)；同时释放一定量(·) (·)的信息素r (t,j)=△τ0(像素j)r (t,p)=△τ1(未选择，像素p)；

3）当所有蚂蚁 按上述概率完成 选择后，更新每个 像素信息素水平

4）同时计算下一时刻信息素扩散输入

5）对那些像素的信息素水平小于某阈值时，此像素在随后将不再考虑；

6）继续上述步骤2-5，直至所需的迭代次数。

4.权利要求1所述的蚁群多细胞跟踪系统，其特征在于所述细胞身份管理与状态提取模块旨在根据多蚁群重构模块所得到的图像信息素场和蚁群所在位置，来确定细胞位置与身份；该模块将上述蚁群进行快速聚类，并与上一帧的细胞身份相关联。

5.权利要求3所述的蚁群多细胞跟踪系统，其特征在于所述快速聚类的具体步骤为：

1）在当前的信息素场中，找出信息素水平最高的那个像素，以及所对应的蚂蚁ai，其当前位置为i；

2）按概率 选择下一像素位置j；

3）若 将 为聚类中心，将满足与该中心距离小于μ的蚂蚁归为此类；将 和 同时满足的蚂蚁也归为

此类；类的中心即为细胞位置；

否则，继续执行步骤2；

4）对于剩余的蚁群，执行步骤1－3，直至剩余蚂蚁为空。

6.权利要求3所述的蚁群多细胞跟踪系统，其特征在于所述细胞身份管理的具体步骤为：

1）对于当前某个蚁群，若所有的蚂蚁均没有身份标记，则表示新细胞产生，并标记身份；

2）在当前某个蚁群中，若某同一身份标记的蚂蚁数量与其原来蚁群数量比例(记为qi)超过某阈值T3，则按 (Pi表示身份标识为i的蚂蚁数量与当前蚁群蚂蚁数量比例)来标识当前蚁群类所对应细胞的身份；否则按最近邻法标识当前蚁群类所对应的细胞身份。