1.一种集装箱锁孔粗定位和跟踪方法，其特征在于具体方法如下：

步骤1：使用安装在吊具上的工业摄像机采集一系列用于训练的集装箱图像，该图像的宽度为W0，高度为H0，单位为像素，每张图片只包含集装箱的一侧，即只包含2个锁孔；

步骤2：手动提取部分集装箱图像中的锁孔区域作为正样本posi(i＝1,2,…N)，图像其他区域为负样本negj(j＝1,2,…M)，正负样本图像没有重合部分，N、M表示正负样本的数量；

步骤3：首先对正负样本图像归一化到高度为height，宽度为width，然后提取其HOG特征，最后使用SVM分类器训练HOG特征；

步骤4：初始化检测区域C，(xc,yc)表示检测区域C左上角的坐标，Wc和Hc分别表示该区域的宽度和高度，xc＝0,yc＝0,Wc＝W0,Hc＝H0；

步骤5：使用安装在吊具上的工业摄像机实时采集待检测集装箱的图像，将检测区域C所对应的子图像放入HOG描述子的多尺度检测函数中进行处理，得到近似锁孔图像区域Ra(a＝1,2,…n)，n表示检测到的近似锁孔图像区域的数量；

步骤6：计算近似锁孔图像区域的面积，并将图像按照面积大小排序，获得面积最大的前3个近似锁孔图像区域 k＝1,2,3；

步骤7：计算图像区域 k＝1,2,3，两两之间中心点在垂直方向上的距离和连线的角度：Dij＝|yi-yj|   (1)

式中，(xi,yi),(xj,yj)分别表示第i个图像区域 中心点和第j个图像区域 中心点的坐标，Dij表示第i个图像区域 中心点和第j个图像区域 中心点在垂直方向上的距离，αij表示第i个图像区域 中心点和第j个图像区域 中心点的连线与水平方向的夹角，i＝1,2,3,j＝1,2,3且i≠j；

保留满足条件Dij≤T且|αij-90°|≤ε的两个图像区域，分别命名为R1和R2，若是第一次执行步骤5到步骤7，则R1和R2是粗定位得到的集装箱锁孔位置；否则，R1和R2是跟踪得到的集装箱锁孔位置，其中T表示垂直距离阈值，ε表示夹角阈值；

步骤8：根据步骤7得到的锁孔图像区域R1,R2，更新检测区域C：

xc＝min(x1,x2)-max(w1,w2)/2   (3)

yc＝min(y1,y2)-max(h1,h2)/2   (4)

Wc＝max(x1+w1,x2+w2)-min(x1,x2)+max(w1,w2)   (5)Hc＝max(y1+h1,y2+h2)-min(y1,y2)+max(h1,h2)   (6)式中，(x1,y1)表示锁孔图像区域R1左上角坐标，w1和h1表示锁孔图像区域R1的宽度和高度，(x2,y2)表示锁孔图像区域R2左上角坐标，w2和h2表示锁孔图像区域R2的宽度和高度，min和max分别表示求最小值和最大值；

步骤9：重复步骤5～8，则可实现集装箱锁孔位置的跟踪检测；否则，直接退出，最后得到的R1和R2即为最终的集装箱锁孔位置。

2.根据权利要求1所述的一种集装箱锁孔粗定位和跟踪方法：其特征在于步骤3)中使用SVM分类器训练HOG特征的具体步骤如下：步骤3.1：将正负样本图像划分成多个cell(p*p像素)，统计每个cell的梯度方向直方图，然后把q*q个cell组合成更大的block，block内所有cell的特征为该block的HOG特征；

步骤3.2：设置SVM分类器，用获取的正负样本的HOG特征向量进行训练，得到分类器的参数并以此设置HOG描述子。