1.基于计算机视觉的民用安防工程监测方法，其特征在于，该方法包括以下步骤：获取红外监控图像，获取梯度幅值和梯度方向，将大于梯度阈值的像素点形成的连通域，记为边缘区域；

将边缘区域中欧式距离最大的两个像素点所对应的斜率方向记为区域分布方向，将任意两个边缘区域最小欧式距离的两个像素点所对应的斜率方向记为相对分布方向；根据区域分布方向的平均值与的相对分布方向的差异获得置信度因子，将置信度因子对最小欧式距离进行乘积校正获得边缘置信度；

将任意边缘区域记为目标边缘区域，获取与目标边缘区域的最大边缘置信度对应边缘区域，记为第二目标边缘区域，获取目标边缘区域与第二目标边缘区域之间最小欧氏距离的两个像素点的中点，根据中点和最小欧氏距离获得局部可疑区域，以这两个像素点作为起始点和终点，获取从起始点到终点的若干路径；

将任意路径记为目标路径，获取目标路径中所有像素点在路径中的上一个像素点和下一个像素点之间的位置方向，记为局部分布方向，根据像素点的局部分布方向和梯度方向的差异获得局部线性特征；将目标路径中像素点梯度方向的差值记为梯度方向差异，根据梯度方向差异的累加求和结果获得局部趋势特征；

获取目标路径中所有像素点，与起始点和终点形成直线的垂直距离和平均垂直距离，将垂直距离和平均垂直距离的差值记为基础幅值，根据局部线性特征和局部趋势特征对基础幅值的乘积校正结果的均值获得趋势分布特征；根据趋势分布特征的最小差值获得局部细节参数，将局部细节参数对边缘置信度的乘积调节结果记为最终调整参数；

根据最终调整参数对正则化参数进行调节，获得改进后的引导滤波算法，对红外监控图像进行滤波增强；

所述边缘置信度，获取方法如下：

将红外监控图像中任意边缘区域记为目标边缘区域，计算目标边缘区域中所有两两之间的边缘像素点的欧式距离，以其中距离最远的两个像素点作为这一边缘区域的两个端点，并根据这两个端点在红外监控图像中的坐标位置获得这两个端点所在连线的斜率，进一步获得斜率对应的方向，该方向为目标边缘区域的区域分布方向；

获取任意边缘区域的两个欧式距离最远像素点在图像中坐标位置的均值，即边缘区域的中心位置，于是连接目标边缘区域与其余边缘区域的中心位置，得到的连线的方向作为目标边缘区域与其他边缘区域的相对分布方向；

获取目标边缘区域与其他边缘区域中像素点之间的最短欧式距离；

边缘置信度的获取方法为：

其中， 表示第i个边缘区域与其余第 个边

缘区域的边缘置信度， 表示第i个边缘区域和第 个边缘区域中像素点之间的最短欧式距离， 表示第i个边缘区域的区域分布方向， 表示第 个边缘区域的区域分布方向，表示第i个边缘区域与第 个边缘区域的相对分布方向；

所述局部趋势特征，获取方法如下：

局部趋势特征的获取方法为：

其中， 表示第m个像素点的局部趋势特征， 表

示线性归一化函数， 表示目标路径上与第m个像素点的局部趋势相近的像素点的数量，表示第c个像素点与第m个像素点梯度方向差异。

2.根据权利要求1所述基于计算机视觉的民用安防工程监测方法，其特征在于，所述边缘区域，获取方法如下：利用Sobel算子获取红外监控图像中的梯度信息，即获得对应的梯度幅值大小以及方向，利用OTSU算法获取红外监控图像中梯度幅值的分割阈值，记为梯度阈值，对所有梯度幅值大于梯度阈值的像素点进行连通域分析，获得若干连通域，记为边缘区域。

3.根据权利要求1所述基于计算机视觉的民用安防工程监测方法，其特征在于，所述路径，获取方法如下：获取目标边缘区域与其他边缘区域之间的边缘置信度，获得目标边缘区域与其他边缘区间之间的最大边缘置信度，将最大边缘置信度对应的目标边缘区域和其他边缘区域之间的端点的最短欧式距离作为直径，在端点中间对应的中点作为圆心，设定一个圆形的局部区域，将此时两个端点之间的圆形局部区域记为局部可疑区域；

在局部可疑区域中，以两个边缘区域之间距离最近的两个像素点作为两个端点，分别将两个端点任意选择一个作为起始点，另一个端点作为终点，以起始点开始，在其八邻域范围内随机选取一个属于局部可疑区域的像素点作为路径上的第二个点，并以第二个点重复从起始点获取第二个点时的操作，找到第三个点后，重复操作，直至其邻域范围内出现终点，此时获得第一条路径即 ，并重复上述操作，直至得到所有可能出现的路径，获得若干个路径。

4.根据权利要求1所述基于计算机视觉的民用安防工程监测方法，其特征在于，所述局部线性特征，获取方法如下：局部线性特征的获取方法为：

其中， 表示目标路径上第m个像素点的局部线性特征， 表

示目标路径上第m个像素点的局部分布方向， 表示目标路径上第m个像素点的梯度方向。

5.根据权利要求1所述基于计算机视觉的民用安防工程监测方法，其特征在于，所述趋势分布特征，获取方法如下：将任意路径记为目标路径，则目标路径的趋势分布特征获取方法为：

其中，M表示目标路径所包含的像素点数量， 表

示目标路径中第m个像素点与连接直线之间的垂直距离，表示目标路径中所有像素点与连接直线之间的平均垂直距离， 表示目标路径上第m个像素点的局部线性特征， 表示第m个像素点的局部趋势特征， 表示基础幅值。

6.根据权利要求1所述基于计算机视觉的民用安防工程监测方法，其特征在于，所述局部细节参数，获取方法如下：分别获取第n条路径与对应的边缘路径1和边缘路径2之间趋势分布特征的差值绝对值，记为其中的最小值记为第 条路径的第一特征 ，所有路径的第一特征进行线性归一化处理，第n条路径线性归一化后的第一特征表示为 ；

则第n条路径的局部细节参数 获取方法为：

其中， 表示第n条路径与对应的边缘路径1和边缘路

径2之间趋势分布特征的差值绝对值， 表示获取最小值， 表示线性归一化函数。

7.根据权利要求1所述基于计算机视觉的民用安防工程监测方法，其特征在于，所述根据最终调整参数对正则化参数进行调节，获得改进后的引导滤波算法，包括的具体步骤如下：改进后的引导滤波算法中局部特征的表示方法为：

其中， 表示第i个边缘区域和第 个边缘区域的局部可疑区域

中第 个像素点的改进后的局部特征， 表示红外监控图像中灰度值的方差， 表示引导图像方差，其中 ，ϵ表示引导滤波算法中的正则化系数， 表示第i个边缘区域与其余第 个边缘区域的局部可疑区域中第z个像素点的最终调整参数。