1.一种轴承故障视觉振动检测方法，其特征在于，包括以下步骤：
采集轴承的故障视频信息；
根据所述轴承的所述故障视频信息获取所述轴承的全层全局视觉振动信号；
根据所述全层全局视觉振动信号，计算得到所述轴承的故障信噪比，并根据所述故障信噪比计算得到基于所述故障信噪比的广义kurtosis算子；
分离所述全层全局视觉振动信号，并根据所述广义kurtosis算子计算得到所述全层全局视觉振动信号的冲击分量；
根据所述冲击分量对所述轴承进行故障分析。
2.如权利要求1所述的轴承故障视觉振动检测方法，其特征值在于，所述根据所述轴承故障视频信息获取所述轴承的全层全局视觉振动信号的步骤包括：
采用复可控金字塔对所述故障视频进行逐帧分解得到每一帧所述故障视频的振动幅度信号和振动相位信号；
计算每一帧视频图像中各个单点的局部相位差信号；
在所述故障视频中提取轴承座区域，并从每一帧所述故障视频的振动幅度信号和振动相位信号中提取所述轴承座区域内各个单点的所述局部相位差信号和所述振动幅度信号；
根据所述轴承座区域内各个单点的所述局部相位差信号和所述振动幅度信号加权得到所述全层全局视觉振动信号。
3.如权利要求2所述的轴承故障视觉振动检测方法，其特征在于，根据所述全层全局视觉振动信号，计算得到所述轴承的故障信噪比，并根据所述故障信噪比计算得到基于所述故障信噪比的广义kurtosis算子的步骤包括：
根据所述全层全局视觉振动信号计算得到所述广义kurtosis算子的频率能量谱；
根据所述频率能量谱通过最大似然法估算所述全层全局视觉振动信号的故障特征频率；
根据所述故障特征频率计算得到所述轴承的故障信噪比；
选取所述故障故障信噪比最大时对应的故障参数，并根据所述故障参数得到所述广义kurtosis算子。
4.如权利要求3所述的轴承故障视觉振动检测方法，其特征在于，所述分离所述全层全局视觉振动信号的步骤包括：
建立动力学模型，并构造基于所述动力学模型的冲击小波字典，以稀疏表示所述全层全局视觉振动信号中的冲击分量；
在对所述冲击分量进行稀疏表示后，对所述全层全局视觉振动信号进行分离以得到所述冲击分量。
5.如权利要求4所述的轴承故障视觉振动检测方法，其特征在于，所述根据所述广义kurtosis算子计算得到所述全层全局视觉振动信号的冲击分量的步骤包括：
利用所述动力学模型的冲击小波对所述全层全局视觉振动信号进行5层分解，并选取第5层视觉振动信号的所述广义kurtosis算子；
根据所述第5层视觉振动信号的所述广义kurtosis算子计算与其对应的所述形态参数，并确定对应的最优秩，以使用迭代阈值法计算得到所述冲击分量。
6.一种轴承故障视觉振动检测系统，其特征在于，包括：
采集模块，用于采集轴承的故障视频信息；
获取模块，用于根据所述轴承的所述故障视频信息获取所述轴承的全层全局视觉振动信号；
第一计算模块，用于根据所述全层全局视觉振动信号，计算得到所述轴承的故障信噪比，并根据所述故障信噪比计算得到基于所述故障信噪比的广义kurtosis算子；
分离模块，用于分离所述全层全局视觉振动信号；
第二计算模块，用于根据所述广义kurtosis算子计算得到所述全层全局视觉振动信号的冲击分量；
分析模块，用于根据所述冲击分量对所述轴承进行故障分析。
7.如权利要求6所述的轴承故障视觉振动检测系统，其特征在于，所述获取模块具体用于：
采用复可控金字塔对所述故障视频进行逐帧分解得到每一帧所述故障视频的振动幅度信号和振动相位信号；
计算每一帧视频图像中各个单点的局部相位差信号；
在所述故障视频中提取轴承座区域，并从每一帧所述故障视频的振动幅度信号和振动相位信号中提取所述轴承座区域内各个单点的所述局部相位差信号和所述振动幅度信号；
根据所述轴承座区域内各个单点的所述局部相位差信号和所述振动幅度信号加权得到所述全层全局视觉振动信号。
8.如权利要求7所述的轴承故障视觉振动检测系统，其特征在于，所述第一计算模块包括：
第一计算子模块，用于根据所述全层全局视觉振动信号计算得到所述广义kurtosis算子的频率能量谱；
估算子模块，用于根据所述频率能量谱通过最大似然法估算所述全层全局视觉振动信号的故障特征频率；
第二计算子模块，用于根据所述故障特征频率计算得到所述轴承的故障信噪比；
选取子模块，用于选取所述故障故障信噪比最大时对应的故障参数，并根据所述故障参数得到所述广义kurtosis算子。
9.如权利要求8所述的轴承故障视觉振动检测系统，其特征在于，所述分离模块具体用于：
建立动力学模型，并构造基于所述动力学模型的冲击小波字典，以稀疏表示所述全层全局视觉振动信号中的冲击分量；
在对所述冲击分量进行稀疏表示后，对所述全层全局视觉振动信号进行分离以得到所述冲击分量。
10.如权利要求9所述的轴承故障视觉振动检测系统，其特征在于，所述第二计算模块具体用于：
利用所述动力学模型的冲击小波对所述全层全局视觉振动信号进行5层分解，并选取第5层视觉振动信号的所述广义kurtosis算子；
根据所述第5层视觉振动信号的所述广义kurtosis算子计算与其对应的所述形态参数，并确定对应的最优秩，以使用迭代阈值法计算得到所述冲击分量。