1.一种视频运动目标高效检测方法，其特征在于，包括如下步骤：

1)卷积神经网络模型初始化以及预热；

2)将待检测视频截成帧图像；

3)使用RPN网络获取前景候选区域；

4)使用ViBe建模背景差分法获取前景参考区域；

5)计算候选区域与所有过滤参考区域的交集比；

6)根据交集比选择存在运动目标的候选区域，并将其特征区域送入RCNN进行检测；

7)根据RCNN检测结果与所有前景参考区域的交集比过滤RCNN检测结果；

8)将检测结果显示在视频帧上，并播放。

2.如权利要求1所述的一种视频运动目标高效检测方法，其特征在于，步骤1)中，所述的卷积神经网络模型为Faster R-CNN模型，包括特征提取网络VGG16，RPN网络以及RCNN网络。

3.如权利要求1所述的一种视频运动目标高效检测方法，其特征在于，步骤1)中，所述的卷积神经网络模型初始化为卷积网络模型加载以及权重参数恢复。

4.如权利要求1所述的一种视频运动目标高效检测方法，其特征在于，步骤1)中，所述的卷积神经网络模型预热为将卷积网络前向传播3～5次。

5.如权利要求1所述的一种视频运动目标高效检测方法，其特征在于，步骤2)中，以每秒10～15帧的帧率将待检测视频截成帧图像。

6.如权利要求1所述的一种视频运动目标高效检测方法，其特征在于，步骤3)中，使用RPN获取前景候选区域具体包括以下步骤：

3.1)在保证长宽比的前提下，若视频帧长宽比大于512/300，则将视频帧缩放至宽为

300像素的图像，否则将视频帧缩放至长为512像素的图像；

3.2)将缩放后的图像进行减均值操作；

3.3)将处理后的图像送入特征提取网络提取特征，并进入RPN网络预测前景候选区域；

3.4)对预测的前景候选区域进行非极大值抑制，并选取前300个前景候选区域输出，前景候选区域可表示为P＝{(xi,yi,wi,hi)|i＝1,2,...,300}，其中xi,yi,wi,hi分别为第i个前景候选区域Pi的中心点横纵坐标值以及宽高值。

7.如权利要求1所述的一种视频运动目标高效检测方法，其特征在于，步骤4)中，获取过滤参考区域具体为：通过ViBe建模背景差分法获取二值图，将二值图进行闭、开运算并搜索矩形边框来获取过滤参考区域，该过滤参考区域存在着运动目标；过滤参考区域可表示为F＝{(xj,yj,wj,hj)|j＝1,2,...,n}，其中xj,yj,wj,hj分别为第j个过滤参考区域Fj的横纵坐标值以及宽高值，n为过滤参考区域的数量。

8.如权利要求1所述的一种视频运动目标高效检测方法，其特征在于，步骤5)中，所述交集比根据公式(1)计算：其中，Pi为RPN获取的第i个前景候选区域，Fj为第j个过滤参考区域，n为过滤参考区域的数量，|.|为求面积，∪为求两者交集。

9.如权利要求1所述的一种视频运动目标高效检测方法，其特征在于，步骤6)中，根据交集比选择存在运动目标的候选区域，并将其特征区域送入RCNN进行检测，具体包括以下步骤：

6.1)遍历所有前景候选区域，若第i个前景候选区域满足 则保留该候选区域，否则忽略该前景候选区域；

6.2)将保留的候选区域映射到特征提取网络得到的卷积特征图上，通过兴趣区域池化层使每个感兴趣区域生成固定尺寸的特征图；

6.3)将特征图送入RCNN计算目标对象的类别，并利用边框回归获得最终候选区域。

10.如权利要求1所述的一种视频运动目标高效检测方法，其特征在于，步骤7)中，所述的根据RCNN检测结果与所有过滤参考区域的交集比过滤RCNN检测结果，具体为：

7.1)根据公式(2)计算检测结果区域对应的交集比：

其中，Ri为RPN获取的第i个检测结果区域，具体为Ri＝{xi,yi,wi,hi}，其中xi,yi,wi,hi分别为第i个检测结果区域的中心点横纵坐标值以及宽高值；Fj为第j个过滤参考区域，n为过滤参考区域的数量，|.|为求面积，∪为求两者交集；

7.2)遍历检测结果区域，若第i个检测结果区域Ri满足 则为最终的检测结果，否则忽略该检测结果。