1.一种基于序列图像的运动目标快速检测方法，其特征在于，所述基于序列图像的运动目标快速检测方法包括以下步骤：
第一步，序列图像的预处理，在序列图像的采集过程中，采用图像灰度化、二值化、中值滤波进行处理；针对低照度的图像，采用gamma变换增强图像；
第二步，结合背景差分和边缘帧间差分的检测方法对静态环境的运动目标检测；
第三步，基于sift算法特征匹配的检测方法对动态环境的运动目标检测。
2.如权利要求1所述的基于序列图像的运动目标快速检测方法，其特征在于，所述基于序列图像的运动目标快速检测方法的序列图像预处理方法包括：
(1)图像灰度变换，彩色图像变换为灰度图像：
y＝0.299r+0.587g+0.114b；
其中，y是根据r、g、b颜色分量以及yuv中亮度信号y之间的关系算出的亮度，r、g、b分别表示红色、绿色、蓝色分量；
(2)二值化，输入的图像为f(x,y)，输出图像为f(x,y)，选取阈值t，对图像的二值化变换函数表达式；
式中阈值t将图像f(x,y)分成两部分，大于t的像素点设为白色，小于t的区域为黑色；
(3)图像去噪，一维中值滤波：
zk＝med(xk-n,xk-n+1,…,xk,…,xk+n)；
其中，med表示对图像中的像素进行求中值运算；式中是对2n+1个像素排序，最终输出像素即该像素序列的中值；
二维中值滤波适用于二维像素矩阵，给出二维中值滤波的定义：
(4)低照度处理，采用gamma变换增强作为低照度处理的方法：将原始图像的均值调为0，方差调为1；根据累计直方图分布特点初步判断当前图像属于高光还是低光照类型，并根据相应类型做灰度的初步微调，对图像做gamma校正；变换公式：
3.如权利要求1所述的基于序列图像的运动目标快速检测方法，其特征在于，所述基于序列图像的运动目标快速检测方法的静态场景下的运动目标快速检测方法包括：
(1)第t帧背景为bt(x,y)，对于新一帧图像it+1(x,y)，则两副图像差分后的图像为sub_image，sub_image(x,y)表示为在像素点(x,y)点处it+1(x,y)与bt(x,y)的绝对值；选用ostu法进行背景和前景的分割，对差分图像sub_image每个像素点；
将灰度值为“0”处的概率分布w0＝0，阈值th把图像的像素分为c0＝(0,1,…,th)，c1＝(th+1,th+2,…,l-1)两类，分别代表目标与背景；
将每个联通域的左、右、上、下保存在内存中；对于每个联通域均与其它的联通域进行如下比较：
其中，position(i,1)为第i个联通域的最左边位置，position(i,2)为第i个联通域的最右边边位置，position(i,3)为第i个联通域的最顶端位置，position(i,4)为第i个联通域的最底端位置；
(2)选用canny边缘进行图像边缘提取；包括高斯滤波、求取x方向的梯度、y方向梯度三部分；具体实现的步骤如下：
1)高斯滤波：采用二维高斯函数对图像进行低通滤波，二维高斯函数的方差δ根据经验而定，二维高斯函数为：
对于一幅灰度图像，滤波过程等价于求取卷积过程：
2)x、y方向梯度求取：图像filter(x,y)为2-d离散矩阵，再求取x，y方向的一阶导数，在离散中求解一阶微分，x，y方向上的梯度求解如下：
3)(x,y)处总梯度：为简化x，y方向两个梯度给计算上带的不便，求取在像素点(x,y)的总梯度：
利用ostu方法进行阈值分割，梯度大于分割阈值为“1”，否则为“0”；按照canny边缘、分割步骤进行处理；
(3)利用基于边缘信息的三帧差分方法得到的边缘分割结果，与背景差分的运动目标检测方法结果运算。
4.如权利要求1所述的基于序列图像的运动目标快速检测方法，其特征在于，所述基于序列图像的运动目标快速检测方法的动态场景下的运动目标快速检测方法包括：首先提取目标的特征点，再在前后两帧图像中通过特征点匹配的方法检测目标的运动过程。
5.如权利要求4所述的基于序列图像的运动目标快速检测方法，其特征在于，所述动态场景下的运动目标快速检测方法具体包括：
步骤一，采用sift算法提取特征，包括：检测尺度空间极值点、精确定位极值点、为每个关键点指定方向参数以及特征点描述子生成；
步骤二，在待匹配图像中找到参考图像中的每一特征点的唯一匹配点；通过两帧之间特征点的位置变化，求出该特征点的局部运动矢量；将所有特征点在两帧之间的位置变化信息代入运动模型，求出背景的全局运动矢量；
步骤三，通过伪特征点剔除策略特征点匹配对的校正；
步骤四，运动补偿，摄像头的全局运动模型参数估计出后，需以参数帧为基准对当前帧进行运动补偿，以检测出运动目标；
步骤五，背景差分，经过全局运动估计与补偿之后所得的当前帧的估计帧与当前帧进行逐像素差分；对差值图像进行阈值处理，消除噪声。
6.如权利要求5所述的基于序列图像的运动目标快速检测方法，其特征在于，所述步骤二的特征匹配采用基于特征的匹配方法，即当两幅图像的sift特征向量生成后，采用关键点特征向量的欧式距离作为两幅图像中关键点的相似性判定度量；
取参考帧图像中的某个关键点，并找出与当前帧图像中欧式距离最近的前两个关键点，在两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点。
7.如权利要求5所述的基于序列图像的运动目标快速检测方法，其特征在于，所述步骤三的伪特征点剔除策略具体包括：
第一步，将提取出的所有特征匹配对，代入最小二乘公式中，求得仿射参数(a1,b1)；
第二步，将特征匹配对中参考帧中的特征点的坐标(x,y)，根据仿射参数(a1,b1)计算出其在当前帧中的估计坐标位置(x”,y”)，如果在当前帧中与(x,y)匹配的特征点的坐标(x',y')与(x”,y”)的欧式距离超过一定阈值t1时，认为该匹配对中包含有伪特征点，并将该匹配对剔除；
第三步，将利用第二步剔除过程之后留下的特征匹配对，计算最小二乘仿射参数解(a2,b2)；再重复第二步的操作，此时的阈值为t2；
第四步，再利用剩下的特征匹配对，计算最小二乘仿射参数解(a3,b3)；通过合理调整t1和t2的值，达到伪特征点剔除的目的。
8.一种应用权利要求1～7任意一项所述基于序列图像的运动目标快速检测方法的计算机视觉系统，其特征在于，所述计算机视觉系统为精确打击武器制导系统、计算机辅助驾驶系统、导弹的地形和地图匹配系统、工业流水线自动监测系统、智能房间、医用图像系统。
9.一种应用权利要求1～7任意一项所述基于序列图像的运动目标快速检测方法的智能机器人。
10.一种应用权利要求1～7任意一项所述基于序列图像的运动目标快速检测方法的智能交通系统。