1.一种引入颜色特征的扩展目标跟踪方法，其特征在于

1.1首先建立扩展目标状态模型和量测模型xk+1＝Fkxk+Γkωk,k∈N    (1)zk＝Hkxk+υk,k∈N    (2)其中 表示k时刻目标的x位置、x速度、y位置、y速度、宽、高、颜T T

色，c＝[r,g,b] 表示感兴趣区域目标颜色状态向量，k时刻量测表示为zk＝[x,y,w,h,c] ，Fk为状态转移矩阵，Γk为噪声矩阵，Hk为量测矩阵，ωk和υk分别为相互独立的过程噪声和量测噪声；

1.2目标状态一步预测；利用上一时刻目标状态的最优估计 来对当前时刻状态进行预测，得到k时刻的预测状态

1.3建立跟踪门进行量测筛选；首先使用目标宽高进行一次筛选得到(zk)'，再以目标状态预测 为中心，建立椭球跟踪门，落在跟踪门内的即为有效量测，最后筛选得到k时刻的候选回波(zk)"；

1.4目标轨迹与量测之间的数据关联；对目标轨迹预测值 和候选量测(zk)"进行关联，首先根据目标位置、形状、颜色对目标量测进行划分，分别计算各个分量的关联概率，并计算加权关联概率

1.5目标状态融合估计；根据k时刻目标的状态预测 与量测误差 结合加权关联概率 利用卡尔曼滤波对目标状态进行融合估计，得到目标最优状态估计 与滤波误差的协方差矩阵Pk|k；

步骤1.4中目标轨迹与量测之间的数据关联方法流程是：

2.1量测划分：假定跟踪门内的有效回波均有可能源于目标，只是每个有效回波源于目标的概率不同，令表示k时刻第i个量测来源于目标这一事件的概率，在整个事件空间中所有量测事件构成一个不相交的完备分割k

其中Z＝{Z1,Z2,...,Zk}为直到k时刻的累计确认量测集， 为传感器在k时刻的确认量测集合，zk,i为k时刻的第i个量测， 表示zk,i是来自目标的正确量测的事件，mk表示k时刻确认量测个数， 表示没有量测源于目标的概率；将候选目标量测集合T划分为位置、宽高、颜色三个方面的特征(zk,i)”＝[(zk,i,1)”,(zk,i,2)”,(zk,i,3)”] ，计算量测误差得到

2.2关联概率计算：分别计算出位置、宽高、颜色对应的关联概率：其中c＝1,2,3分别表示位置、宽高、颜色分量；

2.3关联概率融合：利用得到的各分量关联概率，计算量测i的加权关联概率：其中p1,p2,p3为各个特征所占权重，且满足p1+p2+p3＝1，权重大小由具体应用场景确定。

2.根据权利要求1所述的一种引入颜色特征的扩展目标跟踪方法，其特征在于，步骤

1.5中目标状态融合估计方法流程是：

其中