1.一种筛选视频中单个行人目标的最佳易识别帧的方法，其特征在于，包括步骤如下：步骤A，建立彩色背景模型并使用背景差法提取视频中的前景目标Ig：根据待处理视频的首帧建立R、G、B三通道背景模型M(x)；从第二帧视频开始，利用背景模型M(x)检测每帧视频中的前景像素点；获取前景像素点的二值图Ib，使用轮廓检测法寻找二值图Ib中的连通区域，提取前景目标Ig；根据检测到的前景像素点更新背景模型M(x)；

其具体步骤如下：

步骤A-1，根据待处理视频首帧建立R、G、B的三通道背景模型，其中每个位置x处的背景模型是由对该位置以及其8领域进行N次随机取样得到的N个样本值组成的集合；

步骤A-2，从视频第二帧开始，检测每一帧中的前景像素点，若当前帧位置x处的像素值在R、G、B某一个通道上与它的背景模型中的至少2个像素点的差值大于阈值Radius，则该像素点为前景像素点，否则为背景像素点；

步骤A-3，将前景像素点位置的灰度值设置为0，而背景像素点位置的灰度值设置为

255，对由此形成的二值图像Ib使用轮廓检测法，检测其中的连通区域，并且将面积S满足Min_AERA

步骤A-4，对于被判定为背景点的像素，以1/N的概率去更新其背景模型M(x)的N个样本值中的一个，同时也以1/N的概率去更新其8领域的某个位置y处的背景模型M(y)的N个样本值中的一个；

步骤B，获取前景目标Ig的模糊度：

对前景目标Ig进行灰度化处理获取其灰度图，使用sobel算子检测该灰度图的边缘像素，并对每个边缘像素计算该边缘像素的模糊度，最后计算所有边缘像素的模糊度的平均值，作为前景目标的模糊度Frame_ambiguity；

步骤C，检测人脸区域：

利用Viola-Jones人脸检测模型，对前景目标Ig进行人脸检测，获取人脸区域；

步骤D，计算人脸倾侧角：

利用Viola-Jones人脸检测模型，检测前景目标Ig中是否存在左右两只眼睛和嘴巴，并根据眼睛于嘴巴之间的相对位置关系，计算出人脸倾侧角Angle_of_face；

步骤E，行人检测：

使用Dalal提出的HOG+SVM行人检测方法，对前景目标Ig提取HOG特征，并使用SVM分类方法，确定前景目标Ig是否为行人；

步骤F，计算前景目标Ig的易识别度：

根据前景目标模糊度、人脸大小、人脸倾侧角以及行人检测结果计算前景目标Ig的易识别度；并根据每一帧的前景目标的易识别度，找出单个行人目标在视频中的最佳易识别帧；

所述前景目标Ig的易识别度，其计算过程如下：

步骤F-1，根据前景目标Ig的模糊度，计算其前景清晰度得分clarity_score；根据人脸面积，计算人脸大小得分face_score；根据人脸倾侧角，计算人脸倾侧角得分angle_score；

根据是否检测到行人，计算行人完整度得分body_score；具体的计算方法为:前景清晰度得分为：clarity_score＝1-Frame_ambiguity/20；

人脸大小得分为：

其中，#face_standard表示标准人脸的大小，为常数；

人脸倾侧角得分为：angle_score＝1-Angle_of_face/180；

行人完整度得分为：

步骤F-2，计算前景目标Ig的易识别度Identifiability并筛选出最佳易识别帧：其中， 和 均为权重参数，且满足： 最终，将视频中易识别度最高的一帧选为最佳易识别帧。

2.据权利要求1所述的一种筛选视频中单个行人目标的最佳易识别帧的方法，其特征在于，步骤D中，所述人脸倾侧角的计算方法，其过程如下：步骤D-1，利用Viola-Jones人脸检测模型，分别使用针对眼睛与非眼睛而训练的Adaboost级联分类器，以及针对嘴巴与非嘴巴而训练的Adaboost级联分类器，检测前景图片中左右两只眼睛位置El和Er以及嘴巴的位置M；

步骤D-2，根据D-1中的检测结果及左右眼睛与嘴巴之间的相对位置关系计算人脸的倾侧角度，如果两只眼睛和嘴巴都检测到，对于三角形ElErM，首先求出从M往 作垂线，得到的垂足P；则人脸倾侧角为：而如果左右眼睛及嘴巴三者中只有两者或者只有其中一者被检测到的话，则倾侧角直接判定为90度；对于三者都没有检测到的情况，倾侧角判定为180度。