1.一种基于Azure Kinect的目标跟踪定位方法，其特征在于，包括以下步骤：步骤1：将待跟踪目标放置于Azure Kinect视场范围内的固定平面上，通过Azure Kinect提取目标物的三维点云数据；

步骤2：读取Azure Kinect内、外参，将目标物点云映射至彩色图，并分割出来；

步骤3：在HSV颜色空间建立融合深度信息的目标物“颜色‑形状”模型；

步骤4：由Azure Kinect实时采集彩色图像和深度图像，对当前帧的图像分别进行深度过滤和颜色过滤；

步骤5：运用深度方差对目标物和相似颜色背景进行连通域分割，获得潜在目标；

步骤6：通过目标物形状偏差率、直方图巴氏距离完成目标识别；

步骤7：若目标识别成功，计算目标物质心P0，以目标物质心区域的深度均值完成目标定位；

步骤8：输出目标物坐标，更新目标颜色直方图、长宽值和深度值，进行下一帧循环；

步骤9：若目标识别失败，重复步骤4至步骤8。

2.根据权利要求1所述的一种基于Azure Kinect的目标跟踪定位方法，其特征在于，在步骤1中，对待跟踪目标的处理包括以下步骤：步骤1.1：利用直通滤波法PTF对目标物的初始点云进行预处理，通过测量桌面到相机的距离，在Azure Kinect深度传感器坐标系下分别设置X、Y、Z三个方向的阈值区间[x1，x2]、[y1，y2]、[z1，z2]，确定桌面及桌面上的目标物在初始点云中的三维空间包围盒，剔除阈值区间外的无效点云，保留桌面及桌面内物体点云；

步骤1.2：采用随机采样一致算法RANSAC识别点云中的平面特征，分离出工作平面，再对桌面上的点云进行欧式聚类，去除内点数量少于阈值的聚类，最终提取目标物点云。

3.根据权利要求1所述的一种基于Azure Kinect的目标跟踪定位方法，其特征在于，在步骤2中，将目标物点云映射至彩色图的步骤包括以下：步骤2.1：在Azure Kinect深度传感器坐标系下将目标物点云中的三维点Pir＝[Xir Yir T T

Zir]转换到深度图中的对应点Qir＝[u v 1] ,转换公式如下：其中， 为深度传感器内参；

步骤2.2：将深度传感器坐标系下的三维点Qir转换为彩色相机坐标系下的三维点Prgb＝T T

[Xrgb Yrgb Zrgb]，最后转换为彩色图对应点Qrgb＝[m n 1] ，完成目标物点云到彩色图的映射，转换公式如下：

其中，R为3×3的旋转矩阵，T为3×1的平移矩阵， 为彩色相机内参。

4.根据权利要求1所述的一种基于Azure Kinect的目标跟踪定位方法，其特征在于，步骤3中，在HSV颜色空间建立融合深度信息的目标物“颜色‑形状”模型包括以下步骤：步骤3.1：将目标区域图像由RGB颜色空间转化到HSV颜色空间，通过二分法对转换到HSV颜色空间的图像进行两次迭代，过滤映射偏差点；

步骤3.2：分别计算偏差点过滤完成后的目标图像的H、S、V三通道均值，并以H、S、V三通道均值为中值，设置合适大小的区间作为颜色阈值区间，将色调H分为8份，饱和度S分为2份，亮度V分为1份，根据色彩不同范围进行量化，生成20柄一维直方图，建立目标物颜色直方图模型；

步骤3.3：记录偏差点过滤完成后的目标图像的深度值和长、宽值，作为目标初始形状模型。

5.根据权利要求4所述的一种基于Azure Kinect的目标跟踪定位方法，其特征在于，步骤3.1中，在HSV颜色空间确定颜色阈值区间的具体步骤如下：Step1：将目标物彩色图转换至HSV颜色空间下，并提取其H通道下的灰度图像；

Step2：遍历图像中的非0像素点，记录图像中最大灰度值Hmax，最小灰度值Hmin，并计算其中值Hm；

Step3：设置区间[Hmin，Hm]和[Hm，Hmax]，遍历图像并分别统计区间中点的个数；

Step4：将比重较小区间内的点过滤，去除灰度值大于目标物和灰度值小于目标物的点；

Step5：重复Step2、Step3，去除灰度值大于目标物和灰度值小于目标物的点。

6.根据权利要求1所述的一种基于Azure Kinect的目标跟踪定位方法，其特征在于，在步骤4中，对图像进行深度过滤的步骤包括以下：根据跟踪过程中实时获得的目标物深度值，通过点云映射公式，计算彩色图像任意一点的深度值，由下式对图像进行深度过滤：其中，f(i，j)为彩色图像，d为上一帧目标物深度值，Dr(i,j)为彩色图对应点深度，DL为预设深度阈值；

对图像进行颜色过滤的步骤包括以下：将彩色图像由RGB颜色空间转到HSV颜色空间，并根据颜色模型由颜色阈值区间对图像进行识别，提取与目标物颜色相似的对象，符合阈值区间的像素为255，其余则为0。

7.根据权利要求1所述的一种基于Azure Kinect的目标跟踪定位方法，其特征在于，在步骤5中，运用深度方差对目标物和相似颜色背景进行连通域分割，获得潜在目标的步骤包括以下：

步骤5.1：通过深度方差分割二值图像连通域，通过深度模板与轮廓图像进行卷积运算，将模板在图像中逐像素点移动，遍历图像中每一个连通域，计算深度模板中心像素所在位置的方差值，计算公式如下：

其中，Dv(i,j)表示模板中心方差值，D(u，v)表示模板内各像素点的深度值，D(i,j)表示模板中心像素点的深度值；

步骤5.2：深度方差阈值过滤，完成对所有轮廓的遍历后，轮廓内深度方差较大的像素点可以认为是目标物、干扰物以及背景交界处的点，而方差较小的点则是每个物体内部的点，通过设置合适的阈值，完成连通域分割，分割完成后每一连通域都为潜在目标，具体如下：

其中，DT为深度方差阈值。

8.根据权利要求1所述的一种基于Azure Kinect的目标跟踪定位方法，其特征在于，在步骤6中，对目标物形状偏差率、直方图巴氏距离完成目标识别的步骤包括以下：步骤6.1：计算潜在目标与形状模型的相似程度，作为目标形状相似度δ1，形状相似度δ1用当前帧检测到的潜在目标的长、宽值(Ld、Wd)与目标物前三帧平均长宽值(LM、WM)的偏差率描述，偏差率越接近于0，目标形状相似程度越高，计算公式如下：其中，(LM、WM)为模板长、宽值，(Ld、Wd)为潜在目标轮廓长、宽值；

步骤6.2：计算颜色直方图巴氏距离，作为目标颜色相似度δ2，颜色相似度δ2用组数为i的潜在目标直方图QM与目标颜色直方图QT的巴氏距离来描述，巴氏距离越接近于1，直方图相似程度越高，计算公式如下：

其中，QM为潜在目标直方图，QT为目标颜色直方图，i为颜色直方图的组数；

步骤6.3：选择合适的阈值δTH与δTC，当δ1<δTH时，计算该区域的颜色相似度δ2，当δ2>δTC时则判断为目标识别成功。

9.根据权利要求1所述的一种基于Azure Kinect的目标跟踪定位方法，其特征在于，在步骤7中，为了防止目标质心点和反光点重合而无深度数据，质心深度均值的计算选取以质心DS(i,j)为中心的9×9像素区域进行，统计该区域深度非0点的个数，如果存在0值则将质心上移9个像素，直到不存在0值，目标物深度值DK计算公式具体如下：其中，m、n分别是像素点在RGB图像中对应的横坐标和纵坐标。

10.根据权利要求1所述的一种基于Azure Kinect的目标跟踪定位方法，其特征在于，在步骤8中，实时跟踪过程中，目标不断运动，其深度也在不断变化，根据目标物在图像中的大小和深度呈反比的关系，以检测到的目标物前三帧平均深度值DM和平均长、宽值(LM、WM)，计算出当前帧下，深度值为Dt的跟踪目标的长、宽值(Lt、Wt)，更新初始形状模型，如下式所示：