1.一种抗遮挡的基于积分直方图的粒子滤波目标跟踪方法，其特征在于：所述目标跟踪方法包括以下步骤：步骤1，目标的初始化；

步骤2，感兴趣区域的积分直方图特征提取，过程如下：

读取第k帧图像P，感兴趣区域指能覆盖所有粒子框的最小矩形区域，感兴趣区域的四个顶点A、B、C、D的坐标分别为：

其中，(p_x,p_y)是粒子的坐标，min()是求最小值函数，max()是求最大值函数，height为目标跟踪框的高，width为目标跟踪框的宽，计算感兴趣矩形区域ABCD上颜色特征的积分直方图Hin(x,y)，即计算从图像点P(xA,yA)到点P(x,y)构成的矩形区域内所有点的颜色直方图；

步骤3，根据当前目标状态不同，选择不同的跟踪方法：如果目标状态正常，用粒子滤波方法进行目标跟踪，如果目标状态为部分遮挡，用分块粒子滤波方法进行目标跟踪，如果目标状态为严重遮挡，用最小二乘法预测目标位置；

步骤4，更新当前目标状态；

步骤5，当目标处于正常状态时，更新目标模板和子块模板；

步骤6，采用系统重采样方法进行粒子的重采样；

步骤7，粒子传播：经过重采样的粒子，在x、y方向上分别扩散得到新的对应粒子，作为下一帧中粒子的初始分布。

2.如权利要求1所述的一种抗遮挡的基于积分直方图的粒子滤波目标跟踪方法，其特征在于：所述步骤1中，目标的初始化过程为：在第1帧中通过手动框选出目标，记目标跟踪框的高为height，宽为width，目标中心点坐标为(x1,y1)，提取目标区域的颜色直方图特征并初始化目标的特征模板H＝(h1,h2,…,hn)(n＝1,2,…,32),n是特征直方图的区间个数；

将目标的高等分成三份横向子块，从上到下分别记为子块1、2、3，将目标的宽等分成三份纵向子块，从左到右分别记为子块4、5、6，提取每个子块的颜色直方图特征并初始化目标的子块模板Hi＝(h'1,h'2,…,h'n)(i＝1,2,…,6；n＝1,2,…,32)，初始化粒子数p，初始化各粒子的位置(p_xj,p_yj)(j＝1,2,…,p)，初始化目标状态标志位Flag为0，初始化各子块的状态标志位 为0。

3.如权利要求1或2所述的一种抗遮挡的基于积分直方图的粒子滤波目标跟踪方法，其特征在于：所述步骤3中，目标状态正常下的粒子滤波目标跟踪过程为：利用积分直方图对p个粒子分别提取以每个粒子j(j＝1,2,…,p)为中心的宽为width，高为height的矩形框内的颜色直方图HPj＝(hp1,hp2,…,hpn)(n＝1,2,…,32)，其中粒子j矩形框的四个顶点坐标分别为：

其中，(p_xj,p_yj)(j＝1,2,…,p)是粒子j的坐标，则粒子j矩形框的颜色直方图HPj为：HPj＝Hin(xA',yA')-Hin(xC',yC'-1)-Hin(xB'-1,yB')+Hin(xD'-1,yD'-1)，其中，Hin(x,y)是感兴趣矩形区域上颜色特征的积分直方图，计算当前粒子框特征HPj与目标模板H＝(h1,h2,…,hn)(n＝1,2,…,32)的巴氏系数为 巴氏距离为计算各粒子的权重 其中σ＝0.05，对各粒子权

重进行归一化处理 把所有粒子的坐标按其权重加权得到当前帧目标的中心点坐标

4.如权利要求1或2所述的一种抗遮挡的基于积分直方图的粒子滤波目标跟踪方法，其特征在于：所述步骤3中，目标被部分遮挡时的分块粒子滤波目标跟踪过程为：根据上一帧图像中目标出现遮挡情况而检测出的子块状态标志位 提取各粒子框中 时即有效子块的颜色直方图特征HPj_i，将粒子j矩形框内的各有效子块与对应的子块模板Hi进行对比，计算各子块i的巴氏系数 取有效子块相似度的均值作为对应粒子整体部分的相似度，记有效子块个数为M，则粒子j的巴氏系数为巴氏距离为 计算各粒子的权重其中σ＝0.05，对各粒子权重进行归一化处理 把所有粒子的坐标按其权重加权得到当前帧目标的中心点坐标

5.如权利要求1或2所述的一种抗遮挡的基于积分直方图的粒子滤波目标跟踪方法，其特征在于：所述步骤3中，目标被严重遮挡时的最小二乘法目标位置预测过程为：根据前面所有帧的目标中心点坐标(xt,yt)(t＝1,2,…,k-1)，建立如下方程：

通过解这个方程计算出各系数a1,a2,b1,b2，根据公式xk＝a1k+b1，yk＝a2k+b2计算得到第k帧中目标的中心点坐标(xk,yk)。

6.如权利要求1或2所述的一种抗遮挡的基于积分直方图的粒子滤波目标跟踪方法，其特征在于：所述步骤4中，目标状态的更新过程为：从前面步骤中可计算得到当前帧(第k帧)目标的中心点坐标(xk,yk)，计算当前帧中目标特征直方图Hacc＝(h1′,h2′,……,hn′)(n＝1,

2,…,32)，记当前帧目标特征与特征模板H＝(h1,h2,…,hn)(n＝1,2,…,32)的相似度为设目标的整体相似度阈值为T1，当B大于等于阈值T1时，说明目标在当前帧中是正常状态，如果此时目标状态标志位Flag等于0，则保持不变，否则更新当前目标状态标志位为0，即表明此时目标已经脱离了遮挡；当B小于阈值T1时，说明目标在当前帧中被遮挡，提取目标坐标(xk,yk)区域上各子块i(i＝1,2,…,6)的颜色特征直方图记作Hacc_i，计算各子块与对应子块模板Hi的相似度 设子块的相似度阈值为T2，则：

i i

即当B小于T2，该子块i为无效子块，记子块状态标志位 为0；当B大于等于T2，该子块i为有效子块，记子块状态标志位 为1，统计有效子块的数目M，根据有效子块数目来判定目标的遮挡严重程度：

即当有效子块的数目M大于2时，说明目标在当前帧中被部分遮挡，更新目标状态标志位Flag为1，当有效子块的数目M小于等于2时，说明目标在当前帧中被严重遮挡，更新目标状态标志位Flag为2。

7.如权利要求1或2所述的一种抗遮挡的基于积分直方图的粒子滤波目标跟踪方法，其特征在于：所述步骤5中，模板更新方法为：设目标特征模板的直方图为H，当前帧的目标新坐标区域特征直方图为Hacc，则模板更新公式为：H＝αH+(1-α)Hacc，其中，0.80≤α≤0.99，α具体数值根据视频情况设定；子块模板更新方法与上述目标模板更新方法类同。