1.一种基于红外和可见光图像多环境下水面人员识别方法，其特征在于，主要包括可见光图像预处理模块、可见光、红外图像切换模块、可见光图像识别模块、红外图像识别模块，所述可见光图像预处理模块利用ID3算法对可见光摄像机拍摄的图像进行分类，并将分类结果对应的指令传给所述可见光、红外图像切换模块，所述可见光、红外图像切换模块接收指令后启动所述可见光图像识别模块或所述红外图像识别模块，所述可见光图像识别模块或所述红外图像识别模块再利用K-means聚类分析的方法进行水面人员识别。

2.根据权利要求1所述的一种基于红外和可见光图像多环境下水面人员识别方法，其特征在于，所述ID3算法进行的分类过程为：首先计算此分类系统的熵为：

类别S是变量，n是类别的总数，n的取值是C1，C2，…Cn，每一个类别出现的概率分别为P(C1)，P(C2)，…，P(Cn)；

然后利用多环境下的特征属性T来分类，从而得到特征属性T带来的信息增益为：IG(T)＝Entropy(S)–Entropy(S|T)

Entropy(S|T)代表在特征属性T的条件下样本的条件熵；

从而得到分类系统的信息增益，其计算公式为：

其中S为全部样本集合，value(T)是属性T所有取值的集合，v是T的其中一个属性值，Sv是S中属性T的值为v的样例集合，|Sv|为Sv中所含样例数。

最后对算法迭代多次后信息增益最大的属性进行划分，实现图像的分类。

3.根据权利要求1所述的一种基于红外和可见光图像多环境下水面人员识别方法，其特征在于，所述可见光、红外图像切换模块，根据接收到可见光预处理模块发送的指令启动可见光识别模块或红外识别模块；若可见光预处理模块发送类别一所对应的指令，可见光、红外图像切换模块则启动可见光图像识别模块，若可见光预处理模块发送类别二所对应的指令，可见光、红外图像切换模块则启动红外图像识别模块。

4.根据权利要求1所述的一种基于红外和可见光图像多环境下水面人员识别方法，其特征在于，所述可见光图像识别模块、红外图像识别模块利用K-means聚类分析的方法对水面人员进行识别，其识别过程为：

1)根据实验结果提前设置SSE阈值；

2)随机选取K＝2个中心点；

3)对图像进行灰度处理；

4)遍历所有数据，将每个数据划分到最近的中心点中；

5)通过迭代重新计算中心点，当重新计算的中心点的位置变化不大(SSE小于设置的阈值时)时，得到水面有人员的结果，算法终止。

K-means聚类分析的原理公式为：

μi是第k个类的中心位置。

5.根据权利要求4所述的一种基于红外和可见光图像多环境下水面人员识别方法，其特征是：所述SSE是一个坐标下降的过程。设目标函数SSE如下：SSE(c1，c2，…，ck)＝∑(x-c)2

采用欧式距离作为变量之间的聚类函数，每次朝一个变量ci的方向寻找最优解(求偏倒数)，然后令目标函数SSE(c1，c2，…，ck)＝∑(x-c)2＝0，可解得 其中m是ci所在的簇的元素的个数。求得的聚类的均值为当前方向的最优解(最小值)，与k-means的每一次迭代过程相同，这保证了SSE每一次迭代时，都会减小，最终收敛。