1.一种基于图像识别技术的多目标计数方法，其特征在于，包括以下步骤：图像预处理：采集原始图像，对原始图像进行灰度处理，获取灰度图像；采用直方图统计，自动调节灰度阈值，对灰度图像进行二值化，获得二值化图像；

目标物体无粘连和有粘连区域的区分：对二值化图像进行形态学操作，采用边缘检测算法，识别出连续的图像边缘；根据目标物体的面积参数，设定面积阈值，根据面积阈值对图像进行划分，小于面积阈值即认为是独立的目标物体，大于面积阈值即认为是可能的有粘连的目标物体，从而实现无粘连和有粘连区域的区分；

对无粘连区域独立目标物体进行统计；

对粘连区域粘连目标物体的处理：在对于无粘连区域进行标记和统计后，在原二值化图像中进行填充，得到只含有粘连区域目标物体和填充缝隙的二值化图像；再用边缘检测算法，识别图像的边缘，并计算连通区域的面积，得到粘连目标物体的面积序列；采用k均值聚类算法，对面积序列进行分类，通过判断聚类中心是否满足等差数列来进行最优化选择，实现有粘连区域的目标物体个数自动统计和计数。

2.根据权利要求1所述的一种基于图像识别技术的多目标计数方法，其特征在于：原始图像的获取采用彩色相机或者单色相机对目标图像进采集。

3.根据权利要求1所述的一种基于图像识别技术的多目标计数方法，其特征在于：所述形态学操作包括一次或多次的腐蚀和/或膨胀操作。

4.根据权利要求3所述的一种基于图像识别技术的多目标计数方法，其特征在于：形态学操作的腐蚀操作中，根据实际目标物体大小选择合适的算子。

5.根据权利要求1所述的一种基于图像识别技术的多目标计数方法，其特征在于，所述边缘检测算法为利用canny算子、sobel算子或Laplacian算子进行边缘检测。

6.根据权利要求5所述的一种基于图像识别技术的多目标计数方法，其特征在于，所述边缘检测为改进的Canny算子边缘检测方法，步骤包括：步骤1‑1、用均值滤波对处理的二值化图像进行滤波；

步骤1‑2、用sobel算子模板的一阶微分提取边缘，计算出梯度和梯度幅值；

步骤1‑3、根据计算的梯度和梯度幅值进行非极大值抑制；

步骤1‑4、自适应选取最高和最低阈值，对图像进行阈值化；

步骤1‑5、根据高低阈值处理后，进行边缘连接，得到图像中所有闭区域的边界以及最小外接矩形的四个角点。

7.根据权利要求1所述的一种基于图像识别技术的多目标计数方法，其特征在于，采用改进的k均值聚类算法，对面积序列进行分类，通过判断聚类中心是否满足等差数列来进行最优化选择，实现有粘连区域的目标物体个数自动统计和计数，包括以下步骤：步骤2‑1、选择初始聚类中心点，包括：

②输入面积序列集合{xi}，在{xi}中找出最大值xmax和最小值xmin；

②为了减小k值的搜索范围，确定可能的最大聚类数目 式中，Ait为最小面积阈值，ceil代表向上取整；

③确定kmax个初始聚类中心的备选集合(kmax≥2)；

由此给出的初始聚类中心是等间隔的，不同面积序列的聚类之间满足等差数列的关系；

步骤2‑2、从这kmax个备选聚类中心中选择k个值(从k＝2开始)，作为理论聚类中心，遍历所有可能的取法，共有 种；针对每种选取方法，运行标准的K‑MEANS算法，并计算Eval(k)的值；

其中，k为聚类个数，Ci为实际聚类中心，Ii为理论聚类中心，di＝|Ci‑Ii|为实际聚类中心与理论聚类中心之间的距离， 是聚类个数为k时di的平均值；

步骤2‑3、聚类划分个数k增加1，重复2‑2～2‑3步骤，直到达到kmax为止；

步骤2‑4、比较kmax个Eval(k)的值，取Eval(k)最小值时，对应的k即是最合理的聚类划分个数；

步骤2‑5、根据聚类划分个数统计获得各粘连目标的聚类个数后，进而计算出粘连目标的物体数目。