1.一种基于运动能量模型针对监控视频速度异常目标的检测方法，其特征在于，所述检测方法包括以下步骤：
考虑异常目标及其周围8邻域的运动矢量信息，建立运动能量模型，所述模型包括：数据项和差异项，利用数据项和差异项的加和，来表示每一个空间块的运动能量值；
对视频帧的每一空间块均进行边界值提取，每一个边界值代表其对应空间块的，区分正常运动和异常运动的边界值；
基于sigmoid函数的二分类器对测试集中的运动能量值进行分类，以测试集每一块的运动能量值和提取的边界值的差异作为输入，并输出一个[0,1]的概率值；
该空间块对应的概率值越大，表示发生异常运动，即速度异常的可能性越高。
2.根据权利要求1所述的一种基于运动能量模型针对监控视频速度异常目标的检测方法，其特征在于，所述检测方法还包括：
结合图像金字塔，利用Lucas-Kanade光流法在不同尺度上对监控视频中的每一帧提取光流矢量，建立光流场，将每一帧的光流场分为M×N的不重叠的空间块，获取每一空间块的运动矢量。
3.根据权利要求1或2所述的一种基于运动能量模型针对监控视频速度异常目标的检测方法，其特征在于，所述运动矢量具体为：
Bi.j＝(fx,y(h,v)|x＝1,2,...,M,y＝1,2,...,N)
i＝1,2,...,P,j＝1,2,...,Q
其中，Bi,j表示位置为(i,j)的空间块；fx,y(h,v)表示包含于块Bi,j中的位置为(x,y)的运动矢量，包含一个水平分量h和竖直分量v；M为每一个空间块的水平长度；N为每一个空间块的竖直长度；P为每一帧水平方向的空间块数量；Q为每一帧竖直方向的空间块数量。
4.根据权利要求1或2所述的一种基于运动能量模型针对监控视频速度异常目标的检测方法，其特征在于，所述方法还包括：对运动矢量进行量化。
5.根据权利要求1所述的一种基于运动能量模型针对监控视频速度异常目标的检测方法，其特征在于，所述边界值提取具体为：
若数据增长率大于预设的一定阈值，则将前一个数据点的运动能量值视为边界值。