1.动态环境下的目标状态预估方法，其特征在于，所述方法包括下列步骤：

(1)、从摄像头采集第一帧RGB图像作为先验图像；

(2)、将上述提取的RGB图像转换为HSV图像与YCbCr图像；

(3)、在HSV图像和YCbCr图像上分别检测一个目标范围，采用迭代法分别在提取的目标范围内求取中心点，即得到HSV图像中心点和YCbCr图像中心点；

(4)、根据步骤(3)中得到的两个中心点，求取两个中心点的偏移量以及中心点的上下限；

(5)、确定下一帧图像的识别上界和识别下界；

(6)、根据步骤(5)中预测的识别上界和识别下界，确定出下一帧图像的阈值选取准则；

(7)、更新步骤(3)中的HSV图像中心点和YCbCr图像中心点，来获取新的HSV图像中心点和新的YCbCr图像中心点，更新步骤(6)中的识别上界和识别下界来获取新的识别上界和新的识别下界，从而达到自适应检测目标的目的；

(8)、对新的HSV图像中心点和新的YCbCr图像中心点进行检测，即根据分割出像素点集合的直方图histnew，如果任意一个新的中心点符合要求，则将获得的新中心点、新的识别上界和新的识别下界作为当前中心点和边界范围，如果存在不符合要求的新的中心点，则对该不符合要求的新的中心点进行还原，同时对其边界也还原，既保持更新前的值和更新前的便捷范围；

(9)、利用Kalman预测器得出状态预测值，即在动态图像序列中，每相邻帧之间的时间间隔较小，可以近似认为目标在相邻帧之间为匀速运动，根据检测器搜索区域大小和位置，得出卡尔曼滤波器状态估计的状态变量Xk和预测变量Zk；

(10)、由马尔科夫模型得出目标方向，通过设定马尔科夫模型当前预测状态只和上一时刻状态及状态转移矩阵相关，则根据目标在t时刻的运动方向状态量和转移矩阵，由此预测t+1时刻的目标方向。

2.根据权利要求1所述的动态环境下的目标状态预估方法，其特征在于，步骤(2)中，将RGB图像转换为YCbCr图像，其转换公式为：。

3.根据权利要求1所述的动态环境下的目标状态预估方法，其特征在于，步骤(3)中，采用迭代法提取YCbCr图像的中心点的方法为：在第一帧图像中，以聚类的方式将初始障碍物大致范围聚出来或者用手动方式选取目标物体，若选取的目标区域为矩形，设定其矩形的宽为w，高为h，中心点为p(y,u,v)，其中y为y通道，u为cb通道，v为cr通道，srci,j(y,u,v)表示转换为ycbcr颜色空间的像素点，目标二值化为desti,j，i,j为像素坐标，可得出初始中心点p(y,u,v)为：更新点:

如果更新的点满足迭代终止条件，则确定其为中心点，否则继续迭代，所述终止条件是更新的点的变化达到一定精度或者是达到迭代上限，由于迭代法自身具备收敛性，因此一定可以得出一个中心点。

4.根据权利要求1所述的动态环境下的目标状态预估方法，其特征在于，步骤(4)中，求取两个中心点的偏移量以及中心点的上下限的具体求取方法为：以直方图下界作为下界，中心点作为上界，利用迭代法来求出中心点下限；以中心点作为下界，直方图上界作为上界，同样利用迭代法来求出中心点上限；故可以得到中心点大致定位于中心点下限到中心点上限区间内。

5.根据权利要求1所述的动态环境下的目标状态预估方法，其特征在于，步骤(5)中，确定下一帧图像的识别上界和识别下界的具体过程为：以提取的中心点的最大值识别到的最大距离作为上界，中心点的最小值识别到的最大距离作为下界，以中心点的最大值到最小值的距离作为识别范围，故可分别确定识别下界和识别上界。

6.根据权利要求1所述的动态环境下的目标状态预估方法，其特征在于，步骤(5)中，确定的识别下界设为ξ，识别上界设为η，可以得出：ξ＝pdown(y,u,v)-(pup(y,u,v)-pdown(y,u,v))＝2*pdown(y,u,v)-pup(y,u,v)η＝pup(y,u,v)+pup(y,u,v)-pdown(y,u,v)＝2*pup(y,u,v)-pdown(y,u,v)，其中pdown(y,u,v)为步骤(4)中的中心点下限，pup(y,u,v)为步骤(4)中的中心点上限。

7.根据权利要求1所述的动态环境下的目标状态预估方法，其特征在于，步骤(6)中，下一帧图像的阈值选取准则表示为：

8.根据权利要求1所述的动态环境下的目标状态预估方法，其特征在于，步骤(7)中，设定当前图像通过中心点及边界分割出来的像素点集合为 设定像素点的个数为num，前一中心点为pre(y，u，v),更新中心点为p'(y,u,v)，更新中心点的过程可以表示为：

9.根据权利要求1所述的动态环境下的目标状态预估方法，其特征在于，步骤(8)中，对新中心点进行检测的过程如可以表示为：