1.暗视觉条件下的双摄像头实时行人检测系统，其特征在于：包括中央处理单元以及与中央处理单元相连接的以下单元：红外摄像头，用于采集红外视频图像；

可见光摄像头，用于采集可见光视频图像；

红外图像检测单元，用于检测红外图像中的候选目标是否有人体目标，确定红外图像中没有人体目标的候选目标位置；

图像对应单元，用于对应同一时刻的红外视频帧图像与可见光视频帧图像；

可见光图像检测单元，用于对与红外图像同一时刻的可见光图像进行检测，检测可见光图像中与红外图像中没有人体目标的候选目标位置相同的位置是否有人体目标。

2.根据权利要求1所述暗视觉条件下的双摄像头实时行人检测系统，其特征在于：所述红外图像检测单元包括依次连接的红外图像分割模块、连通区域标记模块、候选目标选取模块以及红外图像人体目标特征提取及分类识别算法模块；

所述红外图像分割模块对红外图像进行二值化分割处理得到二值化图像；

所述连通区域标记模块采用两遍扫描法对二值化处理后的图像进行处理，得到连通区域；

所述候选目标选取模块对连通区域进行筛选，排除干扰连通区域后得到候选目标；

所述红外图像人体目标特征提取及分类识别算法模块，采用基于Zernike不变矩的红外图像人体目标特征提取算法及最小距离分类器，判断候选目标中是否有人体目标。

3.根据权利要求2所述暗视觉条件下的双摄像头实时行人检测系统，其特征在于：所述红外图像分割模块对红外图像进行二值化分割处理得到二值化图像，包括：采用基于直方图的自适应K均值聚类红外图像分割算法，利用直方图波峰确定K均值聚类的K值，并且将这K个波峰对应的灰度值作为聚类算法的K个初始聚类中心值，再通过聚类中心聚类前后的移动方向来选择合适的波谷作为分割点，以此分割点分割得到二值化图像；其中K为聚类个数，其值为红外图像的灰度统计直方图进行滑动均值滤波滤除伪峰和毛刺后波形中波峰个数。

4.根据权利要求3所述暗视觉条件下的双摄像头实时行人检测系统，其特征在于：所述选择合适的波谷作为分割点包括：当K＝1时，若存在umax＜vj＜gmax，则vj作为分割点；

当K＝2时，若存在ui＜vj＜ui+1，且Δui×Δui+1＜0且ui+1-ui＞ui+1'-ui'，则vj作为分割点；若存在umax＜vj＜gmax，且umax＜umax'，则vj作为分割点；

如果选取的作为分割点的波谷不止一个，则选择灰度值最大的波谷作为最终的分割点；

其中，ui表示第i个波峰，ui+1表示第i+1个波峰，vj表示第j个波谷，umax为灰度值最大的波峰，umax'为聚类完成时灰度值最大的聚类中心，gmax为直方图的最大灰阶，ui'表示聚类完成后的中心值，Δui表示聚类完成后的第i个波峰ui'与第i个波峰ui的变化量，Δui+1表示聚类完成后的第i+1个波峰ui+1'与第i+1个波峰ui+1的变化量。

5.根据权利要求2所述暗视觉条件下的双摄像头实时行人检测系统，其特征在于：所述连通区域标记模块采用两遍扫描法对二值化处理后的图像进行处理，得到连通区域，具体包括：第一遍扫描：逐行逐列扫描像素值为1的点，若某点的4领域没有任何标记，则将该点做新的最小标记；若该点的4领域有标记，则将4领域标记中的最小数字标记赋给该点，并记录

4领域标记为相等关系；所述4领域是该点相邻的上、下、左、右四个点；

第二遍扫描：逐行逐列扫描像素值为1的点，将所有点的标记修改为与其相等的最小标记，图像中具有相同标记的点组成连通区域。

6.根据权利要求2所述暗视觉条件下的双摄像头实时行人检测系统，其特征在于：所述候选目标选取模块对连通区域进行筛选，排除干扰连通区域后得到候选目标，包括连通区域像素个数大于100且连通区域占最小邻接矩形的填充比大于0.4且最小邻接矩形的宽高比在0.2至1.2之间。

7.根据权利要求2所述暗视觉条件下的双摄像头实时行人检测系统，其特征在于：所述红外图像人体目标特征提取及分类识别算法模块，采用基于Zernike不变矩的红外图像人体目标特征提取算法及最小距离分类器，判断候选目标中是否有人体目标，包括：将候选目标图像放在其最小邻接圆内，进行归一化处理，即设单位1为100像素，将圆的半径放缩至单位1计算候选目标的0到8阶Zernike矩Zpq；

计算候选目标到事先建立好的均值人体姿态样本的欧氏距离dk；

n为Zernike矩特征描述符的总个数，xi为候选目标的Zernike矩特征描述符，即对应Z00、Z11、…、Z88；uki表示第k种姿态的第i个Zernike矩特征描述符，k表示体姿态分类种数，取值1－5；

计算dk‐Tk，若所有dk‐Tk都大于0，则该候选目标不能确定为人体目标；若存在dk‐Tk小于

0，则该候选目标确定为人体目标；Tk表示预设阈值。

8.根据权利要求1所述暗视觉条件下的双摄像头实时行人检测系统，其特征在于：所述可见光图像检测单元包括依次相连接的检测区域选取模块、可见光图像人体目标检测算法模块；

所述检测区域选取模块将红外图像中候选目标最小邻接矩形的长宽放大，后的可见光图像区域作为检测区域；

所述可见光图像人体目标检测算法模块采用方向梯度图与支持向量机结合的人体检测算法，判定是否为人体目标。

9.根据权利要求8所述暗视觉条件下的双摄像头实时行人检测系统，其特征在于：将将红外图像中候选目标最小邻接矩形的长宽放大FN，FN是放大比例，取值范围5％‐25％。

10.根据权利要求8所述暗视觉条件下的双摄像头实时行人检测系统，其特征在于：所述可见光图像人体目标检测算法模块采用方向梯度图与支持向量机结合的人体检测算法，判定是否为人体目标，包括：若平均人体方向梯度图的宽高比大于检测区域梯度方向图的宽高比，将平均人体方向梯度图保持宽高比不变，放缩至与检测区域梯度方向图等宽；若平均人体方向梯度图的宽高比小于检测区域梯度方向图的宽高比，将平均人体方向梯度图保持宽高比不变，放缩至与检测区域梯度方向图等高；然后使用支持向量机计算事先训练好的各种平均人体方向梯度图与检测区域梯度方向图的重叠部分的相似度；若存在大于95％的相似度，则为该检测区存在人体目标；否则，不存在人体目标。