1.城市地下综合管廊尘雾环境下目标检测系统，其特征在于：所述系统包括视频逐帧去雾模块和运动目标检测模块：所述视频逐帧去雾模块用于将地下管廊的模糊视频画面去除尘雾影响，恢复管廊内物体或行人轮廓，所述视频逐帧去雾模块利用基于图像深度模型的大气散射模型来实现去雾图像的恢复；所述运动目标检测模块用于对视频中运动目标的轮廓进行检测判断；所述图像深度模型的算法如下：a.视频流按帧读取，将RGB格式的逐帧图片输入深度模型；

b.图片分别输入颜色模型转换器和尺寸计算器中；

c.颜色模型转换器将输入图片转换为HIS颜色模型，输出为色调、饱和度、亮度的三个矩阵，且大小为n*m；

d.分别求亮度和饱和度矩阵的差值与总和，将两个结果相比，令其为d2(x)e.通过尺寸计算器得到输入图像矩阵的行数n和列数m，进一步用于计算亮度提升因子d1(x)2

f.计算深度模型的随机误差ε(x)，表示具有零均值和方差δ的随机图像，即ε(x)～N(0，2

δ)，令其为d3(x)

d3(x)＝ε(x) (6)

g.计算亮度提升因子d1(x)、强度与饱和度的差与总比d2(x)、随机误差d3(x)后，计算所有的总和并估计深度图d(x)，如下式：d(x)＝d1(x)+d2(x)+d3(x) (7)

2.根据权利要求1所述城市地下综合管廊尘雾环境下目标检测系统，其特征在于：所述大气散射模型的公式为：If(x)＝Rd(x)tr(x)+A(1‑tr(x)) (1)‑βd(x)

tr(x)＝e (2)

其中x是像素位置；Rd(x)是恢复图像的场景辐射度；tr(x)是透射介质的透射率，表示到达相机的未散射光的部分；A是全局大气光；β表示散射系数；d(x)是场景的深度；

在给定阈值dth的情况下，通过以下等式来估计全局大气光A：If(x)＝A，d(x)≥dth (3)所述去雾图像的恢复方法为：1)将通过深度模型处理得到的深度图d(x)代回到透射率公式(2)中；

2)通过公式(1)结合透射率tr(x)和全局大气光A，得到去雾图像If(x)。

3.根据权利要求1所述城市地下综合管廊尘雾环境下目标检测系统，其特征在于：所述运动目标检测模块基于改进的混合高斯背景模型，具体运行如下：用改进的混合高斯背景模型读取经视频逐帧去雾模块处理过的视频序列中的帧图像，获得运动目标的二值图像，经形态学滤波，从而提取出管廊内的运动目标。

4.根据权利要求3所述城市地下综合管廊尘雾环境下目标检测系统，其特征在于，所述改进的混合高斯背景模型为：取去雾视频中任意点，将在t时刻的图像按从上到下，从左到右的顺序分成N*N大小的方块，如公式(9)，其中I(i,j,t)为t时刻的像素值对每块建立多个不同的高斯模型：

式中ωi,t为高斯模型的权值；K为模型个数，K个权值的总和为1；μi,t为i个高斯分布的均值；每个像素块的值相互独立， 为t时刻的第i个高斯分布，如式(11)，其中n为xt的维数值

。

5.根据权利要求3所述城市地下综合管廊尘雾环境下目标检测系统，其特征在于，所述改进的混合高斯背景模型的建模步骤如下：S1:获取当前帧的像素值，用每个像素值与K个高斯背景模型进行匹配|xt‑μi,t‑1(x,y)|≤2.5δi，t‑1 (12)K值的取值为[3，5]；

S2：若满足式(12)，那么匹配成功，若不满足：当k＜K时，增加一个新高斯分布；

当k＝K时，用建立的新的高斯分布代替

对背景模型中匹配成功的高斯分布的均值、方差和其他参数进行更新θ＝εη(xi，t|μi，t，∑i，t) (16)θ为参数学习率，ε为学习速率并且0≤ε≤1，匹配检验后，更新同个像素的各个高斯分布权重：ωi，t＝(1‑ε)ωi，t‑1+ε·Gi，t (17)每一个像素块按照优先级的顺序对 进行降序排列，将其中的前B个高斯分布作为背景像素，描述方式为下式(18)：用xi，t与B个高斯分布进行匹配，匹配成功为背景点，匹配不成功为前景点。