1.一种基于多特征融合的癌细胞跟踪方法，其特征在于，所述方法包括以下步骤：步骤1，癌细胞的检测，包括以下步骤：

1.1、制作数据集：使用voc2007数据集格式，人工对数据集进行Ground Truth的制作作为网络的训练集；

1.2、候选区域的产生：使用的Faster R‑CNN算法是通过RPN网络实现候选区域的产生；

1.3、候选区域的分类及候选框的精修：使用的Faster R‑CNN算法是通过Fast R‑CNN网络实现候选区域的分类及候选框位置的精修；

步骤2，癌细胞的特征提取，包括以下步骤：

2.1、质心特征的提取：Faster R‑CNN算法之后，利用RPN网络会将分数值最高的前300个候选区域输入Fast R‑CNN网络利用边框回归操作实现候选框位置精修，得到最终的目标框，提取边框回归之后的所有候选框作为细胞的质心特征；

2.2、卷积特征的提取：提取VGG16网络第一层全连接层的输出：特征向量作为细胞的卷积特征；

步骤3，癌细胞的初级跟踪，包括如下步骤：

3.1、癌细胞类别判定：根据提取每一帧的细胞质心特征计算出每一帧细胞到下一帧的运动速度，根据运动速度计算出这一帧所有细胞的平均速度；当这一帧中某个细胞的运动速度大于平均速度时，分类为活跃细胞，反之为惰性细胞；

3.2、按类别进行初步跟踪：判定细胞的类别之后，若细胞为惰性细胞则但利用质心特征进行欧氏距离的计算，根据最近邻法进行关联匹配；若细胞为活跃细胞则计算质心特征的欧氏距离和卷积特征的余弦距离，再进行加权求和，寻找最相似区域进行关联匹配；

步骤4，癌细胞的再跟踪，包括如下步骤：

4.1、漏检区域的关联匹配：根据包括历史信息的匹配中的ID信息寻找当前检测帧中不包括匹配帧的ID号，截取匹配帧上未匹配ID区域及当前检测帧上未匹配ID区域，计算这两个区域直方图的巴氏系数，若该巴氏系数大于阈值则判定检测帧的该区域有效，被漏检而造成漏跟，再重新对该区域进行ID匹配；

4.2、重复检测区域的关联匹配：根据最终的匹配信息，先判定是否存在两个或多个ID对应同一个区域，若存在重复匹配的情况，则计算这些区域的IoU重叠率，若IoU大于阈值，则保留最相似的区域，去除其他的匹配框。