完成一套医学精子自动分析系统,并在实际中得到应用,这是本课题的一个关键任务。因此,找到一套快速准确的跟踪算法是课题的重点,也是这篇论文的重点所在。通过比较各种跟踪算法,我们利用卡尔曼滤波预测法的递推运算简单、数据存储量小,实时性好等优点,采用了一种“预测、匹配、修正”的思路。然而,标准卡尔曼滤波是建立在标准的数学模型上的,而这种数学模型仅仅是实际运动模型的一种近似,误差总是存在的。随着目标数目的增加,目标之间发生碰撞和重叠的概率随着增加,这时,基于卡尔曼预测的跟踪算法的误差会随之增大,并可能导致运算结果出现较大偏差。为克服这一误差,我们在分析目标运动特点的基础上,采用了一种回溯修正的思路,提出了补偿算法。沿用这种算法思路所实现的实际系统经过了临床实验,展现出令人满意的性能。这种补偿算法是在已经出现偏差的基础上进行修正,而没有从本质上去分析问题解决问题。因此,在由补偿法实现出实际系统之后,我们以它为实验平台,对算法进行了深入的研究,提出了改进算法,并进行了相关的实验。针对跟踪误差提出的补偿算法及对误差的深入分析,这是我们的一个创新之处。从理论到实践,再从实践回到理论提升理论,使我们深入理解了这个课题。临床实验的成功也充分证明了这个课题得到了比较圆满的解决。