由于目前常规的精液分析是由经验丰富的医学人员基于显微镜下进行观察判断,分析准确率低,同时缺乏严谨、客观的数据支持。而计算机辅助医学决策一直是图像处理领域的热门课题,利用计算机图像处理和机器视觉等技术针对精子运动能力及其运动学参数进行高效、准确地检测和评估具有很高的临床和科研价值。基于视觉的精子活性检测技术核心是如何借助图像处理技术以及目标检测跟踪技术精准的将精子目标提取出来并进行轨迹跟踪,最终给出样本中精子活性报告。本文对精子目标在图像中的目标检测与跟踪技术进行研究和讨论,并设计精子活性检测系统进行实验验证。主要工作内容如下:(1)研究精子多目标检测与运动精子目标提取算法。针对现有的帧差法在计算差分时容易产生空洞、重影的问题,本文对传统帧差法进行改进,采用将提取的当前帧背景图作为中间帧分别与当前帧和前一帧进行差分的方法,消除对于精子目标图像因灰度化后背景与前景像素相近导致的漏检或是误检的情况。同时鉴于RGB空间R、G、B三通道之间存在着很大的相关性,不利于精子运动目标的检测和分割,本文在HSV颜色空间下建立背景模型,然后利用低秩矩阵分解法提取更精准的背景图像。(2)研究精子多目标跟踪算法。基于序列图像中常用的多目标跟踪处理方法思路,在常用KCF跟踪算法基础上加入Kalman滤波进行运动目标位置的预测估计,同时针对精子形态会有变化问题,加入自适应尺度修改方法,改善传统KCF算法因跟踪窗口一成不变导致跟踪丢失问题。期间,精子目标可能会因被白细胞等杂质遮挡导致跟踪失败,因此本文在算法中加入目标遮挡判定条件。最后,应用基于IOU的匹配关联方法,实现检测目标与对应跟踪目标的匹配,完成数据关联,从而得到精子目标运动轨迹。实验结果显示,当目标发生遮挡或者形变时,该算法均可实现精准的跟踪。(3)构建精子活性检测系统。利用Opencv动态链接库能够实现精确检测出精液中精子目标并区分杂质目标,识别并区分活精和死精数目,对精子轨迹进行分析及动态浏览等功能,最后能求出相应的动力学参数并分类。该系统操作相对简单且经样本实验验证可知,系统能够对运动精子进行稳定跟踪,算法计算量小,鲁棒性强,运动目标的检测率达到94%以上且跟踪成功率高。