1.一种基于非凸低秩稀疏分解的运动目标检测方法，其特征在于，包括如下步骤：(1)将l0范数的非凸代理函数应用于低秩矩阵的逼近；并选择具有良好性能的非凸代理函数；

(2)建立非凸低秩稀疏分解模型；

(3)对于步骤(2)中建立的非凸低秩稀疏分解模型中的奇异值阈值SVT利用广义奇异值阈值GSVT代替；

(4)利用交替方向乘子法对步骤(3)中所获取的非凸低秩稀疏分解模型求解，根据所求得解得到前景目标；

所述步骤(2)中建立非凸低秩稀疏分解模型的具体步骤如下：首先给定矩阵M＝L+S，然后通过求解以下非凸低秩稀疏分解模型，恢复出低秩矩阵L和稀疏矩阵S；

s.t.M＝L+S

+ +

其中，n1＝min(m,n)，σi(L)表示L的第i个奇异值，λ是折中因子，g:R→R 是秩函数的非凸代数函数，它是连续的、凹的和单调非递减的；

所述步骤(3)中对于非凸低秩稀疏分解模型中的奇异值阈值SVT利用广义奇异值阈值GSVT代替的具体步骤如下：广义奇异值阈值GSVT算子 定义模型如下：+ +

其中σi(X)表示X的第i个奇异值，B表示数据矩阵，g:R →R 是凹的、非递减的且可微分的，其梯度 是凸的；又将 表示为X的奇异值，然后转化为

对于任何有下界的函数g,它的近端算子 是单调的；令b＝σi(X)，则Proxg(b)相应的定义为：其中b＝σi(X)，g(x)表示连续的、凹的且单调非递减的函数；

所述步骤(4)中利用交替方向乘子法对所获取的非凸低秩稀疏分解模型求解，根据所求得解得到前景目标的具体步骤如下：(4.1)设置初始参数λ＞0、μ0＞0、μmax＞μ0和ρ＞1，初始点S0、L0、和Y0，迭代次数k＝0；其中λ是折中因子，μ是惩罚因子，ρ是步长，Y是乘子；

(4.2)更新主变量: 其中 表示广义奇异值阈值算子；

(4.3)更新主变量: 其中 为软阈值收缩算子；

k+1 k k+1 k+1

(4.4)更新乘子:Y ＝Y‑μk(L +S ‑M)；其中Y是乘子，μ是惩罚因子；

(4.5)更新辅助变量:μk+1＝min(ρμk,μmax)；其中μ是惩罚因子，min(·)表示最小值；

(4.6)若满足终止条件，迭代终止，否则，令k＝k+1返回步骤(4.2)。

2.根据权利要求1所述的一种基于非凸低秩稀疏分解的运动目标检测方法，其特征在于，所述步骤(1)中将l0范数的非凸代理函数应用于低秩矩阵的奇异值；并选择具有良好性能的非凸代理函数的具体步骤如下：l0的许多非凸代理函数都被扩展到奇异值来近似秩函数，利用对数惩罚来逼近低秩稀疏分解问题的秩函数，其中对数惩罚格式如下:其中σi(L)表示L的第i个奇异值，τ和γ是大于零的参数。