1.一种基于视频的判定地铁摄像机移位的方法，其特征在于：包括如下步骤：
（1）选取和设计定位标志物，选定感兴趣区域，遵循目标与背景最大差异化原则；
（2）依据站内外环境不同，分别设计背景帧的生成方法，其中，站内环境的背景帧通过一段稳定的视频序列帧求均值而得到；站外背景帧的生成利用历史视频图像数据，将依据不同天气w、光照l、典型时间段t，收集序列帧并通过高斯模型生成背景帧M（w，l，t） 其表征的意义为w天气，l光照，t时间输入下所对应的背景帧M；
（3）对视频帧进行图像预处理，以便形成特征检测的基础；其中视频帧的图像预处理包括如下步骤：
（a）把当前帧与背景帧做差分运算，得到差分图，对差分图做一次canny运算增强并进行二值化处理，得到二值图像；
（b）通过当前图像与背景图像上对应的像素点比值确定明暗区，在暗区上用灰度比值统计和正太曲线拟合的方法估算出阴影的范围，并适当松弛a，把二值图像上对应的阴影区像素点的值置为0；
（c）二值图像通过形态学的连通域算法形成主要的检测特征，其具体过程为：扫描一遍图像记录链式线段的信息，对相邻的链式线段进行追溯合并，记录连通域的个数C，第i个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度；
（d）对得到的连通域做基于规则的过滤，具体过程如下：对于每个连通域，如果Hi大于感兴趣区域高度的一半时，则过滤掉连通域(即认为该连通域是符合我们的检测特征)，对过滤出来的连通域做一次判定，如果面积Si大于我们设定的阈值t，则统计变量Cot的值加1；
（4）对摄像机移位的判定：统计二值图像上像素值为1的点的个数Cout，如果Cout大于我们设定的阈值Tc并且有步骤（3）得到的连通域个数C大于1时，则初步认为摄像机有可能偏移，并进入模板匹配阶段，否则即认为计算机没有发生非预期的偏移；
（5）模板匹配阶段的判定：模板集的获取通过两种方式：一是通过历史数据形成模板，二是实时通过人为交互的方式得到；把二值图像分别与模板P做差分运算，并分别统计模板与差分图像素值为l的个数，分别记为tl，dl, 如果dl与tl的比值小于0.5，则不认为摄像机移位，否则认为摄像机移位并发出报警。
2.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（1）中定位标志物的选取可以是人为设计或是在工程场景中选取，标志物纹理清晰、不被遮挡，标志物与背景能形成较大差异特征。
3.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（1）中感兴趣区域包含完整的特征标志物，并以其为中心向四周外延一定范围，设定松弛程度为β，计算其最大外接矩形并保存其坐标。
4.根据权利要求3所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：步骤（3）中，对二值图像上的感兴趣区域ROI做统计，判断统计图上是否形成较清晰的双峰；并在二值图像上手动框选检测特征区，并标记为模板和存储。
5.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：在步骤（3）之前引入阴影消除技术，避免阴影对检测和判定的影响，阴影消除技术主要基于灰度比值统计特性，具体设计如下：(1)依据背景素点和当前像素点的比值
ρ（i，j）=b（i，j）/f（i，j）来判定亮区和暗区，如果ρ（i，j）＞1则是暗区，反之则是亮区，(2) 基于暗区的像素点灰度比值统计特性，采用正态分布曲线拟合对阴影灰度的可能分布区间进行估计，即求子区间[t1，t2]像素个数C(x)>0，x( t1，t2)，正态分布在其均值处达到概率最大幅值C(x0)=max{ C(x)}，本方法中对阴影灰度进行了一定的定义置信区间
[μ-2σ，μ+2σ]，从而增强阴影提取效果，如果当前像素在阴影分布区，相应像素值被置为0。
6.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（3）中，差分图通过当前帧与背景帧做减法∣Fi-Bi∣运算得到，在差分图像上使用canny算子做一次增强处理， canny阈值分别为50，255。
7.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（3）中，形态学的处理方法是通过一次扫描记录链式线段信息，通过对相邻两层的链式线段的回溯、标记和合并得到连通域信息，基于链式扫描线段的连通域方法形成检测特征，并记录每个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度。