1.一种基于时域信息特征空间背景建模方法，其特征在于包括以下步骤：

A、对多帧数的待检测图像进行读取；

B、构建多个方向的空间邻域梯度滤波函数，得到分别以待检测图像各像素点为中心像素点的多个方向的梯度差，进而计算得到各个像素点的多个方向的梯度滤波函数值；

C、对多帧数的待检测图像进行滤波，得到多帧数的滤波图像；即：对于各个像素点，取其多个方向的梯度滤波函数值中的两个最小值的均值，作为该像素点的滤波值，各个像素点的滤波值构成滤波图像；

D、将多帧数的待检测图像构建训练样本矩阵，之后对该训练样本矩阵进行去中心化处理，得到去中心化矩阵，再对去中心化矩阵进行协方差的求取得到协方差矩阵，之后对协方差矩阵奇异分解后求取特征值和特征向量并且去掉多个最大的特征值后构建特征空间矩阵；将各帧数的待检测图像分别投影于特征空间矩阵上进行矩阵重构，分别得到各帧数的待检测图像各自对应的背景建模图像；

步骤B中所述的梯度差如下：

其中，f(i,j)为待检测图像的各像素点的像素值；ΔfU，ΔfD，ΔfL和ΔfR是指以像素点f(i,j)为中心的上、下、左和右四个方向的梯度差；t代表两个像素点间的步长；k为梯度扩散系数；

ΔfU·|f(i,j)‑f(i‑t,j)|；ΔfD·|f(i,j)‑f(i+t,j)|；ΔfL·|f(i,j)‑f(i,j‑t)|；ΔfR·|f(i,j)‑f(i,j+t)|分别表示在中心点上、下、左、右方向的梯度滤波函数值。

2.如权利要求1所述的基于时域信息特征空间背景建模方法，其特征在于：所述的步骤C中的各个像素点的滤波值如下：

[min1,min2]＝sort_min{ΔfU·|f(i,j)‑f(i‑t,j)|,ΔfD·|f(i,j)‑f(i+t,j)|,ΔfL·|f(i,j)‑f(i,j‑t)|,ΔfR·|f(i,j)‑f(i,j+t)|}；

其中f′(i,j)为各个像素点的滤波值，sort_min表示从小到大排序函数，min1和min2分别是四个方向中各向梯度滤波函数值最小的两个值。

3.如权利要求2所述的基于时域信息特征空间背景建模方法，其特征在于：所述的步骤D具体如下：

取N1帧待检测图像f组成一个训练样本矩阵X，矩阵的维度为[N1,H×W]，其中H和W分别为待检测图像的高度和宽度，最后对该矩阵进行去中心化处理，具体公式如下：式中，a和b表示样本矩阵X的行、列数，a＝1,2,L,N1，b＝1,2,L,H×W； 表示第b列矩阵X的均值；X′表示去中心化后的矩阵；再对X′进行协方差的求取组成协方差矩阵Zcov如下：对Zcov进行奇异分解，求取特征值和特征向量U并且去前P个最大的特征值组成对应的特征向量构成特征空间矩阵UP，同时将待检测图像投影到特征空间矩阵上构建图像背景，具体表达式如下：fk为k时刻的待检测图像，Bk为k时刻的背景图像，其通过将待检测图像投影到特征空间矩阵UP上重构得到。